2018 | OriginalPaper | Chapter
Logistische Regression
Authors : Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weiber
Published in: Multivariate Analysemethoden
Publisher: Springer Berlin Heidelberg
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by
Bei vielen Problemstellungen in Wissenschaft und Praxis treten immer wieder die folgenden Fragen auf:• Welcher von zwei oder mehreren alternativen Zuständen liegt vor oder welches Ereignis wird zukünftig eintreffen?• Welche Faktoren eignen sich für die Entscheidung oder Prognose und welchen Einfluss haben sie auf das Zustandekommen eines Zustandes oder Ereignisses?Häufig geht es dabei nur um zwei alternative Zustände oder Ereignisse. Typische Fragen sind etwa:• Hat ein Patient eine bestimmte Krankheit oder nicht? • Wie ist die Überlebenswahrscheinlichkeit bei einer schweren Krankheit?• Wird ein bestimmtes Produkt gekauft oder nicht?• Welcher Partei wird ein Wähler seine Stimme geben?Die logistische Regression kann auf solche Fragen eine Antwort geben. Obwohl die logistische Regression durchaus der Problemstellung der Diskriminanzanalyse ähnelt, so besteht der für den Anwender wesentliche Unterschied zwischen den beiden Verfahren darin, dass die logistische Regression direkt Wahrscheinlichkeiten für das Eintreffen der alternativen Zustände oder der Zugehörigkeiten zu den einzelnen Gruppen liefert.Das Kapitel verdeutlicht die Vorgehensweise der logistischen Regression anhand der zentralen Ablaufschritte des Verfahrens unter Rückgriff auf ein einfaches Beispiel. Behandelt werden dabei sowohl die binäre als auch die multinominale logistische Regression. Anschließend wird für ein größeres Fallbeispiel gezeigt, wie eine logistische Regression mit Hilfe von IBM SPSS gerechnet wird und welche Ergebnisoutputs dabei für die praktische Anwendung eine besonders zentrale Bedeutung besitzen. Die SPSS Outputs werden anwendungsbezogen interpretiert, sodass für den Leser eine Übertragbarkeit auf eigene Anwendungsfälle leicht möglich ist. Das Kapitel schließt mit wichtigen Anwendungsempfehlungen zur Durchführung einer logistischen Regression.