Zastosowanie regresji logistycznej do analizy danych wielomianowych dotyczących samooceny zdrowia mieszkańców Torunia

• Autorzy: Cyprian Kozyra

Warianty tytułu

Application of Logistic Regression to Analysis of Perceived Health Multinomial Data

• Języki publikacji: PL

Abstrakty

Przedstawione modele logitowe są metodą analizy statystycznej w przypadku, gdy zmienna objaśniana jest kategorialna z uporządkowanymi kategoriami. Modele te są alternatywą wobec często stosowanych modeli regresji liniowej, w których kategoriom cechy naturalnej nadaje się wartości równe np. kolejnym liczbom naturalnym lub wynikające z porównania dystrybuanty empirycznej i dystrybuanty rozkładu zmiennej ukrytej. Podejście przedstawione w artykule jest bardziej zaawansowane teoretycznie i stanowi rozszerzenie dobrze znanych w polskiej literaturze modeli regresji logistycznej dla danych dwumianowych. Szersze omówienie modeli logistycznych dla wielomianowych cech kategorialnych można znaleźć w literaturze zagranicznej. Przedstawione w artykule podejście może być stosowane także w dziedzinach innych niż badania zdrowotności, np. w badaniach marketingowych. Pewną słabością przeanalizowanych przykładów jest modelowanie zależności samooceny zdrowia tylko od jednej zmiennej objaśniającej. W Internecie nie są dostępne dane umożliwiające badanie wpływu większej liczby cech w jednym modelu. Niemniej można wnioski wyciągnięte z dostępnych danych za pomocą modeli regresji logistycznej można uznać za interesujące. (fragment tekstu)

EN

The paper presents application of cumulative logit model to the analysis of multinomial data received from state of health research of Torun inhabitants. Logistic regression models have been used to test the dependence of perceived health assessment on demographic characteristics like age, income and education. Proportional odds model with equal slopes for each category were compared with null independence model and full model with regression coefficients estimated for each category. The following statistical relationships between perceived health and demographic characteristics of respondents were shown in the paper:
- the older respondent the poorer perceived health
- the more earning respondent the better perceived health,
- the longer education the better perceived health. (original abstract)

Słowa kluczowe

PL

Zdrowie; Samoocena; Analiza danych; Regresja logistyczna; Zmienna objaśniana

EN

Health; Self-esteem; Data analysis; Logistic regression; Endogenous variable

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia
• Rocznik: 2005
• Tom: 12
• Numer: nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 319--329

Twórcy

autor

Cyprian Kozyra

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Agresti A., Categorical Data Analysis, Wiley, New York 1990.
• Cramer J.S., Logit Models from Econometrics and Other Fields, University Press, Cambridge 2003.
• Jajuga K., Modele z dyskretną zmienną objaśnianą, [w:] Estymacja modeli ekonometrycznych, red. S. Bartosiewicz, PWE, Warszawa 1990.
• Mazurek E., Analiza danych jakościowych, [w:] Statystyczne metody analizy danych, red. W. Ostasiewicz, AE, Wrocław 1999.
• Rodriguez G., Generalized Linear Models, http://data.princeton.edu/wws509/notes/default.htm.
• Stan zdrowia ludności Polski w 1996 r., seria: Informacje i opracowania statystyczne, GUS, Warszawa 1997.
• Stan zdrowia, postawy i zachowania zdrowotne mieszkańców Torunia. Raport końcowy z badań wykonanych na zlecenie Wydziału Zdrowia i Pomocy Społecznej Urzędu Miasta Torunia, Katedra Medycyny Społecznej i Zapobiegawczej Akademii Medycznej. Łódź 2001, http://www.um.torun.pl/~gzm/zdrowie/Raport_zdrowie.html.