analyse-R/regression-logistique

[utterances-bot]

Régression logistique binaire, multinomiale et ordinale

undefined

http://larmarange.github.io/analyse-R/regression-logistique.html

[petitscarabee010]

bonjour,
merci pour ce tutoriel qui est vraiment très bien et qui m'aide énormément. Si je peux toutefois suggérer une amélioration qui serait utile pour les novices comme moi, ce serait de rajouter ponctuellement une petite phrase d'interprétation/explication des sorties, car cela aiderait bien à la compréhension.
Encore merci

[adouarsen]

Bonjour Joseph
Est-il possible de calculer le coefficient de détermination (R2) d'une régression logistique?
Comment se fait le calcul dans R?

[larmarange]

Bonjour, je vous invite à lire cette page https://stats.stackexchange.com/questions/46345/how-to-calculate-goodness-of-fit-in-glm-r

Le R2 est principalement utilisé pour une régression linéaire. Pour un modèle, on utilise plutôt d'autres indicateurs de qualité comme l'AIC.

Il peut être ajouté facilement à un tableau gtsummary avec add_glance_source_note()

library(gtsummary)
#> #BlackLivesMatter

mod <- glm(response ~ age + grade, trial, family = binomial(link = "logit")) 

mod %>%
  tbl_regression(exponentiate = TRUE) %>%
  add_glance_source_note()

^{Created on 2022-12-26 with reprex v2.0.2}

[adouarsen]

Merci beaucoup pour votre réponse rapide
Je regarde le lien que vous avez envoyé
Excellente journée à vous!

[enzo7-196]

Bonjour,
Merci encore pour vos tutoriels très édifiants. Ils sont complets et personnellement m'apporte beaucoup, cependant j'ai une petite question s'il vous plaît: Actuellement je travaille sur des données d'enquête pondérées (package "survey" et "weights" déjà installés) et j'aimerais avoir un p-for-trend (autrement dit une p-value de test de tendance) pour des variables de ma base (binaire et continue) en fonction d'une variable catégorielle à 3 classes. D'après vos tutos je pense que la fonction "svyolr" est celle qui me permettra d'avoir ce p-for-trend: me recommandez vous cette approche par une regression logistique ordinale? Si oui dans le script présenté j'aimerais savoir à quoi correspond le "t-value" lorsqu'on execute la fonction "svyolr"... Merci pour vos éclaircissements

[loicjochault]

Bonjour
Merci beaucoup pour ce tutoriel très clair, mais je suis confronté à un problème sur le format de ma variable dépendante , j'ai le message suivant :

cplt1<-glm(NB~sex,data=A,family = binomial(link = logit))
Error in weights * y : non-numeric argument to binary operator

Alors que ma variable NB est une variable texte "oui/non", si je passe en 0/1, l'analyse des tableaux all-in-one la considère comme quantitative ....

Je vous remercie par avance de votre aide.

[larmarange]

Il faut la convertir en un facteur avec factor(). De plus, il est important que vous modifier l'ordre du facteur pour que la première modalité soit celle de référence (voir la fonction relevel()).

Cdlt

[loicjochault]

Je vous remercie très chaleureusement pour votre réponse. Bonne journée. Le mar. 8 déc. 2020 à 14:07, Joseph <[email protected]> a écrit :

…

Il faut la convertir en un facteur avec factor(). De plus, il est important que vous modifier l'ordre du facteur pour que la première modalité soit celle de référence (voir la fonction relevel()). Cdlt — You are receiving this because you commented. Reply to this email directly, view it on GitHub <#110 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/ASBKN6H5C374WNI3CD5A3GLSTYQJ5ANCNFSM4JNMPP2Q> .

[Gemma92bcn]

Pouvez-vous parler sur les hypothèses d'utilisation des regressions logiques?
Car je veux bien l'appliquer à mes données, mais elles sont à mesures répétées. J'ai lu sur plusieurs sites (et un livre de stats) qu'il n'est pas possible d'utiliser cette méthode avec des mésures répétées...

[larmarange]

En effet, dans le cadre d'une régression logistique classique (avec glm) les différentes observations sont supposées indépendantes. Or ce n'est pas le cas avec des observations répétées. Dans une telle situation, vous devez tenir compte de la répétition en réalisant un modèle mixte avec une variable aléatoire (fonction glmer du package lme4) ou bien réalisé un modèle dit GEE (voir la fonction geeglm du package geepack).

Vous pouvez jeter un oeil à http://larmarange.github.io/analyse-R/modeles-a-effets-aleatoires.html mais ce chapitre (non finalisé) est encore trop ardu dans sa rédaction me semble t il.

[Juliagz]

Bonjour, déjà merci pour vos webinaires, ils sont fabuleux !

J'ai plusieurs erreurs qui sortent lorsque je lance les opérations sur mon modèle de régression logistique multinomiale. Après avoir lancé la commande pour set ma valeur de référence, je lance un check de VIF, et reçoit "in multinom (...) group '0' 'na' are empty".
Si je continue sur le code en ignorant ce message, divers autres erreurs apparaissent au fur et à mesure que j'éxecute les autres : "NaNs produced" (avec odds.ratio et step), "broom::tidy failed to tidy the model" (avec tbl_regression et ggcoef_multinom). J'imagine qu'il s'est passé quelque chose lors de la création du modèle, mais comment l'analyser et trouver l'origine de l'erreur (puis bien sur, le corriger) ?

J'ai également une autre question : peut-on définir comme une référence pour chacune des variables explicatives ? Par exemple, déterminer une observation globale de référence comprenant une modalité de chaque variable explicative que je définirai moi-même. Si oui, comment ?

Merci d'avance !

[larmarange]

Bonjour,

difficile de vous répondre sans exemple reproductible (voir http://adv-r.had.co.nz/Reproducibility.html )

En premier lieu, je ne suis pas certain que la fonction car::vif() fonctionne avec les modèles nnet::multinom(). Voir https://stackoverflow.com/questions/61083073/vif-function-from-car-package-returns-nas-when-assessing-multinomial-logistic

Pour questionr::odds.ratio() et broom::tidy(), il faudrait un exemple reproductible pour comprendre d'où vient l'erreur.

peut-on définir comme une référence pour chacune des variables explicatives ? Par exemple, déterminer une observation globale de référence comprenant une modalité de chaque variable explicative que je définirai moi-même. Si oui, comment ?

Je ne suis pas sur d'avoir compris la question.

[Juliagz]

Bonjour Joseph, Merci pour ce retour rapide ! Je n'ai pas réussi à attacher proprement mes données avec la fonction dput, mais je vous ajoute le fichier .csv en pièce jointe, ainsi que le code (c'est ce que je fais de mon côté). J'ai rajouté des commentaires là où les erreurs viennent, ainsi que la base de la création de mon dataframe au cas où je l'aurais mal pensé et que cela induirait ces erreurs. Je vous remercie d'avance pour votre temps et votre aide ! Julia Le mer. 23 juin 2021 à 09:22, Joseph ***@***.***> a écrit :

…

Bonjour, difficile de vous répondre sans exemple reproductible (voir http://adv-r.had.co.nz/Reproducibility.html ) En premier lieu, je ne suis pas certain que la fonction car::vif() fonctionne avec les modèles nnet::multinom(). Voir https://stackoverflow.com/questions/61083073/vif-function-from-car-package-returns-nas-when-assessing-multinomial-logistic Pour questionr::odds.ratio() et broom::tidy(), il faudrait un exemple reproductible pour comprendre d'où vient l'erreur. peut-on définir comme une référence pour chacune des variables explicatives ? Par exemple, déterminer une observation globale de référence comprenant une modalité de chaque variable explicative que je définirai moi-même. Si oui, comment ? Je ne suis pas sur d'avoir compris la question. — You are receiving this because you commented. Reply to this email directly, view it on GitHub <#110 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AUSQI2P4TEL2U7O5QH55Z6LTUGDRXANCNFSM4JNMPP2Q> .

--

[enzo7-196]

Bonjour Joseph,

Une fois de plus merci pour ce tutoriel que vous nous partagez et qui nous aide beaucoup en soutien statistique dans notre quotidien.
Je vous contacte car j'aimerais avoir votre avis sur un package développé par Touloumis en 2013, le package "multgee" qui permet l'analyse de modèles GEE pour les outcomes à plus de 2 modalités (multinomiaux et ordinaux) :
https://cran.r-project.org/web/packages/multgee/multgee.pdf
https://onlinelibrary.wiley.com/doi/full/10.1111/biom.12054

Les 2 principales fonctions sont nomLORgee et ordLORgee.
Son approche consiste à estimer des Odds ratio locaux à partir du paramètre "alpha" (intercept) qui prend en compte les covariables, les modalités de la variable réponse, et la mesure des corrélations et non indépendance des données.
La sortie R nous présente des coefficients, erreurs standards et p-value classiques, et en plus une matrice d'OR locaux dont je n'arrive pas à comprendre l'interprétation.

J'aimerais savoir si ces OR locaux sont différents des OR classiques, estimés à partir de l'exponentiel du coefficient "beta" des covariables dans un modèle uni ou multivarié, et comment les interpréter ? Et comment obtenir des OR associés aux covariables dans un modèle GEE multinomial car la méthode exp(coef(modèle)) semble ne pas marcher.

Merci d'avance.

[larmarange]

Le package multgee est effectivement le plus adapté pour des modèles GEE logistiques multinomiaux et ordinaux.

Concernant la question sur les sorties R, aurions-vous un exemple concret (voir http://adv-r.had.co.nz/Reproducibility.html ) ?

[enzo7-196]

Merci beaucoup pour votre réponse rapide.

En effet voici un exemple issu de la librairie de la fonction "nomLORgee", celle sur laquelle j'ai des difficultés actuellement dans l'analyse de mes données :

#Editeur R :
library(multgee)
data(housing)
fitmod <- nomLORgee(y ~ factor(time), data = housing, id = id,
repeated = time)
summary(fitmod)

#Console R (output):

fitmod <- nomLORgee(y ~ factor(time), data = housing, id = id,

•                 repeated = time)
  

summary(fitmod)
GEE FOR NOMINAL MULTINOMIAL RESPONSES
version 1.6.0 modified 2017-07-10

Link : Baseline Category Logit

Local Odds Ratios:
Structure: time.exch
Model: 3way
Homogenous scores: TRUE

call:
nomLORgee(formula = y ~ factor(time), data = housing, id = id,
repeated = time)

Summary of residuals:
Min. 1st Qu. Median Mean 3rd Qu. Max.
-0.498615 -0.363966 -0.126836 -0.002905 0.501385 0.889580

Number of Iterations: 2

Coefficients:
Estimate san.se san.z Pr(>|san.z|)
beta10 1.38629 0.16667 8.3178 < 2.2e-16 ***
factor(time)6:1 -2.51068 0.21679 -11.5813 < 2.2e-16 ***
factor(time)12:1 -2.94657 0.23682 -12.4421 < 2.2e-16 ***
factor(time)24:1 -2.81595 0.22938 -12.2763 < 2.2e-16 ***
beta20 1.10599 0.17197 6.4312 < 2.2e-16 ***
factor(time)6:2 -1.10949 0.19952 -5.5607 < 2.2e-16 ***
factor(time)12:2 -1.47350 0.20820 -7.0772 < 2.2e-16 ***
factor(time)24:2 -1.53984 0.20433 -7.5361 < 2.2e-16 ***

Signif. codes: 0 ‘’ 0.001 ‘’ 0.01 ‘’ 0.05 ‘.’ 0.1 ‘ ’ 1

Local Odds Ratios Estimates:
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,] 0.000 0.000 1.359 1.882 1.359 1.882 1.359 1.882
[2,] 0.000 0.000 1.882 3.687 1.882 3.687 1.882 3.687
[3,] 1.359 1.882 0.000 0.000 1.359 1.882 1.359 1.882
[4,] 1.882 3.687 0.000 0.000 1.882 3.687 1.882 3.687
[5,] 1.359 1.882 1.359 1.882 0.000 0.000 1.359 1.882
[6,] 1.882 3.687 1.882 3.687 0.000 0.000 1.882 3.687
[7,] 1.359 1.882 1.359 1.882 1.359 1.882 0.000 0.000
[8,] 1.882 3.687 1.882 3.687 1.882 3.687 0.000 0.000

p-value of Null model: < 0.0001

#La variable "y" a 3 modalités : 0, 1, 2
la variable "time" a 3 modalités : 6, 12, 24

#Généralement, nous pouvons faire un exp(coef(fitmod)) pour récupérer les OR, et éventuellement un confint(fitmod) pour les Intervalles de confiance à 95 %. Cependant, en utilisant cette syntaxe, je n'obtiens pas des OR, enfin j'obtiens des valeurs mais qui ne correspondent probablement pas à des OR dans cet exemple

#Console R (output):

exp(coef(fitmod))
beta10 factor(time)6:1 factor(time)12:1 factor(time)24:1 beta20 factor(time)6:2 factor(time)12:2 factor(time)24:2
4.00000000 0.08121302 0.05251965 0.05984777 3.02222222 0.32972804 0.22912259 0.21441438

#Ainsi je me demande à quoi correspond donc les estiamtions des coefficients dans le "summary", et surtout comment lire et interpréter la matrice de "local Odds Ratios Estimates" à la fin de la sortie.

Merci d'avance et désolé pour cette illustration car je ne suis pas parvenu à reproduire cet exemple via (http://adv-r.had.co.nz/Reproducibility.html )

[larmarange]

Ce sont les premiers coefficients qui sont les plus importants et qui correspondent aux différents odds ratios. Les local OR traduisent quant à eux les ajustements pris en compte par le GEE pour tenir de la répétition des observations.

Il n'y a pas de méthode tidy pour ces modèles. Mais il est possible d'avoir recours aux fonctions génériques coef() et confint(). La fonction générique tidy_model() que j'ai développé dans JLutils fonctionne aussi pour ces modèles. Voir exemple ci-dessous.

library(multgee)
#> Le chargement a nécessité le package : gnm
data(housing)
fitmod <- nomLORgee(y ~ factor(time), data = housing, id = id,
                    repeated = time)
summary(fitmod)
#> GEE FOR NOMINAL MULTINOMIAL RESPONSES 
#> version 1.6.0 modified 2017-07-10 
#> 
#> Link : Baseline Category Logit 
#> 
#> Local Odds Ratios:
#> Structure:         time.exch
#> Model:             3way
#> Homogenous scores: TRUE
#> 
#> call:
#> nomLORgee(formula = y ~ factor(time), data = housing, id = id, 
#>     repeated = time)
#> 
#> Summary of residuals:
#>      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
#> -0.498615 -0.363966 -0.126836 -0.002905  0.501385  0.889580 
#> 
#> Number of Iterations: 2 
#> 
#> Coefficients:
#>                  Estimate   san.se    san.z Pr(>|san.z|)    
#> beta10            1.38629  0.16667   8.3178    < 2.2e-16 ***
#> factor(time)6:1  -2.51068  0.21679 -11.5813    < 2.2e-16 ***
#> factor(time)12:1 -2.94657  0.23682 -12.4421    < 2.2e-16 ***
#> factor(time)24:1 -2.81595  0.22938 -12.2763    < 2.2e-16 ***
#> beta20            1.10599  0.17197   6.4312    < 2.2e-16 ***
#> factor(time)6:2  -1.10949  0.19952  -5.5607    < 2.2e-16 ***
#> factor(time)12:2 -1.47350  0.20820  -7.0772    < 2.2e-16 ***
#> factor(time)24:2 -1.53984  0.20433  -7.5361    < 2.2e-16 ***
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> Local Odds Ratios Estimates:
#>       [,1]  [,2]  [,3]  [,4]  [,5]  [,6]  [,7]  [,8]
#> [1,] 0.000 0.000 1.359 1.882 1.359 1.882 1.359 1.882
#> [2,] 0.000 0.000 1.882 3.687 1.882 3.687 1.882 3.687
#> [3,] 1.359 1.882 0.000 0.000 1.359 1.882 1.359 1.882
#> [4,] 1.882 3.687 0.000 0.000 1.882 3.687 1.882 3.687
#> [5,] 1.359 1.882 1.359 1.882 0.000 0.000 1.359 1.882
#> [6,] 1.882 3.687 1.882 3.687 0.000 0.000 1.882 3.687
#> [7,] 1.359 1.882 1.359 1.882 1.359 1.882 0.000 0.000
#> [8,] 1.882 3.687 1.882 3.687 1.882 3.687 0.000 0.000
#> 
#> p-value of Null model: < 0.0001

coef(fitmod)
#>           beta10  factor(time)6:1 factor(time)12:1 factor(time)24:1 
#>         1.386294        -2.510680        -2.946568        -2.815951 
#>           beta20  factor(time)6:2 factor(time)12:2 factor(time)24:2 
#>         1.105992        -1.109487        -1.473498        -1.539845
exp(coef(fitmod))
#>           beta10  factor(time)6:1 factor(time)12:1 factor(time)24:1 
#>       4.00000000       0.08121300       0.05251965       0.05984775 
#>           beta20  factor(time)6:2 factor(time)12:2 factor(time)24:2 
#>       3.02222222       0.32972801       0.22912260       0.21441433

confint(fitmod)
#>                       2.5 %     97.5 %
#> beta10            1.0596337  1.7129550
#> factor(time)6:1  -2.9355743 -2.0857855
#> factor(time)12:1 -3.4107321 -2.4824036
#> factor(time)24:1 -3.2655290 -2.3663738
#> beta20            0.7689289  1.4430559
#> factor(time)6:2  -1.5005438 -0.7184306
#> factor(time)12:2 -1.8815702 -1.0654259
#> factor(time)24:2 -1.9403234 -1.1393666
exp(confint(fitmod))
#>                       2.5 %     97.5 %
#> beta10           2.88531390 5.54532386
#> factor(time)6:1  0.05310021 0.12420951
#> factor(time)12:1 0.03301702 0.08354218
#> factor(time)24:1 0.03817673 0.09382032
#> beta20           2.15745426 4.23361336
#> factor(time)6:2  0.22300886 0.48751675
#> factor(time)12:2 0.15235070 0.34458108
#> factor(time)24:2 0.14365749 0.32002165

source(url("https://raw.githubusercontent.com/larmarange/JLutils/master/R/tidy_model.R"))
tidy_model(fitmod, conf.int = TRUE, exponentiate = TRUE)
#>               term   estimate std.error statistic p.value   conf.low  conf.high
#> 1           beta10 3.99998256   0.16667   8.31777       0 2.88531390 5.54532386
#> 2           beta20 3.02221498   0.17197   6.43115       0 2.15745426 4.23361336
#> 3 factor(time)12:1 0.05251954   0.23682 -12.44208       0 0.03301702 0.08354218
#> 4 factor(time)12:2 0.22912215   0.20820  -7.07719       0 0.15235070 0.34458108
#> 5 factor(time)24:1 0.05984784   0.22938 -12.27633       0 0.03817673 0.09382032
#> 6 factor(time)24:2 0.21441541   0.20433  -7.53609       0 0.14365749 0.32002165
#> 7  factor(time)6:1 0.08121300   0.21679 -11.58133       0 0.05310021 0.12420951
#> 8  factor(time)6:2 0.32972708   0.19952  -5.56072       0 0.22300886 0.48751675

^{Created on 2021-06-23 by the reprex package (v2.0.0)}

[larmarange]

Pour rappel, c'est un modèle multinomial et la variable y prend trois valeurs : 0, 1, 2

• beta10 est l'intercept pour l'outcome 1 versus 0
• beta20 est l'intercept pour l'outcome 2 versus 0
• factor(time)6:1 est l'OR de la modalité 6 de factor(time) (versus time = 0) pour y = 1 vs y=0
• factor(time)6:2 est l'OR de la modalité 6 de factor(time) pour y = 2 vs y=0

[Tiffnay2000]

Merci beaucoup de votre réponse rapide Monsieur Larmarange. J'aimerai toutefois demander une précision, la base "newdata" utilisée dans la fonction de prédiction, est elle la même base pondérée utilisée dans la régression logistique s'il vous plait ? ou c'est une nouvelle base où il y a que les individus que je veux prédire leur réponse ?

Ensuite, dans le cas de régression logistique ordinale, la variable dépendante est discrimination (positive/egale/negative), comment procéder cette fois ci la prédiction ou comment prédire la réponses des individus qui ne souhaitent pas à répondre à cette question ?

mop1 <- svyolr ( discri ~ SEXE_rec+org_geo_r+AGE_rec, design = base_regp)

En vous remerciant

[larmarange]

Merci beaucoup de votre réponse rapide Monsieur Larmarange. J'aimerai toutefois demander une précision, la base "newdata" utilisée dans la fonction de prédiction, est elle la même base pondérée utilisée dans la régression logistique s'il vous plait ? ou c'est une nouvelle base où il y a que les individus que je veux prédire leur réponse ?

Oui, l'astuce consite à redonner le tableau complet d'origine.

Ensuite, dans le cas de régression logistique ordinale, la variable dépendante est discrimination (positive/egale/negative), comment procéder cette fois ci la prédiction ou comment prédire la réponses des individus qui ne souhaitent pas à répondre à cette question ?

mop1 <- svyolr ( discri ~ SEXE_rec+org_geo_r+AGE_rec, design = base_regp)

Il semble qu'il n'existe pas de méthode predict() pour les objets svyolr.

Une piste possible : https://stackoverflow.com/questions/56281165/how-to-get-model-predictions-with-the-svyolr-function

[babelmansour2]

Bonjour Joseph, je suis attentivement vos ressources pour R (j'avais l'habitude d'utiliser Stata sauf pour les ACM avec Factominer mais R semble plus puissant), et je cherche à obtenir des prédictions sur une variable ordinale (classe 1, classe 2, classe 3) et non pas une variable binaire soit les "chances" d'appartenir à chacune des classes (classes de prestige pour des écrivains) selon le sexe. Mais les fonctions que vous donnez dans le chapitre sur les prédictions marginales ne semblent pas fonctionner avec des classes (Error in UseMethod("predict") :
no applicable method for 'predict' applied to an object of class "clm"). Est-il possible de calculer ces probabilités ? J'ai fait une régression logistique multinomiale après avoir défini les classes via une ACM/CAH mais je n'obtiens pas les résultats espérés sachant que j'ai des femmes dans les classes 1 et 2, mais pas dans la classe 3 (les femmes sont dominées dans le champ littéraire). Merci beaucoup pour votre aide.

[larmarange]

Bonjour, pour les prédictions, je vous invite à regarder la fonction marginaleffects::predictions() qui est compatible avec les modèles multinomiaux et ordinaux.

Concernant les fonctions de broom.helpers pour générer les prédictions marginales avec des modèles multinomiaux et ordinaux, elles ne sont pas encore compatibles, mais c'est prévu cf. larmarange/broom.helpers#215

[babelmansour2]

Merci beaucoup à vous ! Je vais regarder tout cela. Bien cordialement,

[Newbie-Alt]

Bonjour,
merci beaucoup pour ces apports en pas à pas ! J'ai utilisé la pack nnet pour réaliser des régressions logistiques multinomiales. Mon objectif n'était pas d'aboutir à un modèle "prédictif", mais simplement d'identifier quelles variables (différentes motivations à produire) pouvaient expliquer significativement ma variable d'intérêt (le système d’exploitation, comprenant 3 modalités possibles). J'ai réalisé les sorties sous formes de tableaux indiquant les coeff et les odds ratio, mais également les sorties graphiques ggcoef. Je cherche une publication qui aurait utilisé cette méthode et, encore mieux, qui aurait mobilisé ces représentations graphiques qui permettent de bien identifier quelles variables interviennent et dans quel sens. Je fais donc appel à vous-même ou aux utilisateurs de ces ressources sur votre site. Je n'ai trouvé pour l'instant que des publications qui détaillent de manière assez complexe des processus de modélisation prédictive. Et jamais les représentations graphiques que je trouve très parlantes. Mon article s'adresse à une revue dans le domaine de l'agroécologie. Bien cordialement. Encore grand merci pour votre site.

[larmarange]

Voici un exemple d'article avec une régression multinomial et un forest plot : https://www.mdpi.com/2076-393X/9/3/300

Historiquement, bp d'articles présentaient plutôt le tableau des coefficients, mais les forest plots ont gagné en popularité car plus visuel.

Si vous présentez le forest plot dans votre papier, il est toujours bon de donner le tableau des coefficients en annexe.

[Newbie-Alt]

Merci beaucoup !

[Chatoranga]

Bonjour,
Merci beaucoup pour vos explications. J'ai une question concernant la lecture d'un modèle de régression logistique ordinale. Est-ce qu'il s'agit bien, en suivant votre exemple, de comparer le fait d'être satisfait ou en équilibre au fait d'être insatisfait ou en équilibre ? Pourriez-vous faire une phrase de lecture de votre modèle avec les odds-ratio svp ? Merci d'avance !

[larmarange]

Dans un modèle ordinale classique, comme celui présenté, on suppose que l'effet du sexe est le même entre Equilibre & Insatisfaction et qu'entre Satisfaction & Equilibre.

Autrement l'OR générale du sexe, est égale à l'OR du sexe Equilibre/Insatisfaction et à l'OR du sexe Satisfaction / Equilibre.

Dans le cas présent, nous pouvons donc dire que les personnes ayant un niveau d'étude supérieur ont tendance à être globalement plus satisfaite dans leur travail que les personnes de niveau secondaire ou moins.

[oreko22]

Bonjour
J’aimerais savoir comment faire le test de IIA ( Independance of irrelevant alternative) dans Rstudio
Merci

[oreko22]

Et j’aimerais aussi quelle interprétation on fait quand on applique la syntaxe tidy_plus_plus dans Rstudio ?

[larmarange]

Bonjour, je ne connais pas très bien le test que vous mentionnez. Une recherche indique qu'il est connu sous le nom de Hausman-McFadden Test. Il en existe une implémentation dans la cadre du package mlogit et sa fonction hmftest(). Vous pouvez aller lire https://discdown.org/microeconometrics/multinomial-response-models.html#independence-of-irrelevant-alternatives

Le package mlogit est plus compliqué à utiliser que nnet::multinom() pour le calcul d'un modèle multinomial. Pour ma part, je ne l'ai pas vraiment utilisé. Sa manière de présenter les coefficients fait qu'il ne bénéficie pas des mêmes sorties avec tidy(), tidy_plus_plus() ou encore tbl_regression().

Pour votre question sur tidy_plus_plus(), je ne suis pas sur de comprendre. Cette fonction applique tidy() sur un modèle, renvoie le tableau des coefficients et procède à un certain nombre d'améliorations. Pour comprendre, je vous invite à lire https://larmarange.github.io/broom.helpers/articles/tidy.html

Cette fonction est utilisée en particulier par gtsummary::tbl_regression() et ggstats::ggcoef_model(). Pour des exemples démise en oeuvre : https://larmarange.github.io/guide-R/analyses/regression-logistique-binaire.html

[oreko22]

Merci pour cet éclaircissement
j'ai réalisé un modèle de regression multinomiale ensuite j’ai appliqué la fonction step pour la sélection des variables
J’aimerais savoir sur quelles critères on se base pour faire la sélection manuelle ?
Ensuite j’ai réaliser une régression multinomiale avec données pondérées avec
svymultinom et je rencontre un problème lors de la sortie de cette régression où j’obtiens des <> au lieu des p-values
Comment je peux résoudre ce problème ?

[larmarange]

step() utilise la minimisation de l'AIC comme critère. Voir https://larmarange.github.io/guide-R/analyses/selection-modele-pas-a-pas.html pour plus de détails.

Pour svymultinom() avez vous bien définis des poids de réplications : https://larmarange.github.io/guide-R/analyses_avancees/regression-logistique-multinomiale.html#donn%C3%A9es-pond%C3%A9r%C3%A9es

[oreko22]

Merci pour ta réponse
Dans l’exemple https://larmarange.github.io/guide-R/analyses_avancees/regression-logistique-multinomiale.html#donn%C3%A9es-pond%C3%A9r%C3%A9es
J’ai remarqué que dans la base utilisé il y a une variable poids
Comment on obtient cette variable ou sur quelles critères pour choisir cette variable ?

[oreko22]

J’ai lu :Une possibilité est de faire, par exemple, retourner un modèle en supprimant les variables avec p<20% dans le modèle complet.

Si je comprends bien on supprime les variables avec une pvalue < 20% ?

[larmarange]

Je ne comprends pas très bien.

Soit vous avez des données sans pondération ni plan d'échantillonnage. Dans ce cas cas vous utilisez nnet::multinom().

Soit vous avez des données d'enquêtes avec une variable de pondération et un plan d'échantillonnage, et dans ce cas il faut passer par le package survey. Vous ne pouvez plus utiliser nnet::multinom(). Il faut alors avoir recours à des poids de réplication et à svymultinom().

A vous de clarifier cela par rapport à la documentation de votre source de données.

---

Concernant la sélection pas à pas descendante d'un modèle, il existe plusieurs approches. L'une d'elle est la minimisation de l'AIC et s'obtient avec step(). D'autres auteurs se basent sur les p-valeurs avec un seuil (par exemple 20%). Là encore, plusieurs manières de faire : (1) une analyse bivariée avec chaque variable et vous mettez dans le modèle les variables qui en bivariés ont une p-valeur < 20% ; (2) vous réalisez un modèle avec toutes les variables, supprimez celle avec la plus grande p-valeur (>20%), faite retourner le modèle pour calculer les nouvelles p-valeurs et ainsi de suite. C'est un processus manuel. Tout dépend des usages de votre discipline / domaine. Demandez conseil à votre encadrant ou bien regardez ce qui est fait dans les articles de votre domaine.

[adouarsen]

Salut Joseph,J'espère que vous allez bien!A quand la reprise du Webin-R?Agréable journée! Arsène Le mercredi 30 août 2023 à 13:01:09 UTC+1, Joseph Larmarange ***@***.***> a écrit : Je ne comprends pas très bien. Soit vous avez des données sans pondération ni plan d'échantillonnage. Dans ce cas cas vous utilisez nnet::multinom(). Soit vous avez des données d'enquêtes avec une variable de pondération et un plan d'échantillonnage, et dans ce cas il faut passer par le package survey. Vous ne pouvez plus utiliser nnet::multinom(). Il faut alors avoir recours à des poids de réplication et à svymultinom(). A vous de clarifier cela par rapport à la documentation de votre source de données. Concernant la sélection pas à pas descendante d'un modèle, il existe plusieurs approches. L'une d'elle est la minimisation de l'AIC et s'obtient avec step(). D'autres auteurs se basent sur les p-valeurs avec un seuil (par exemple 20%). Là encore, plusieurs manières de faire : (1) une analyse bivariée avec chaque variable et vous mettez dans le modèle les variables qui en bivariés ont une p-valeur < 20% ; (2) vous réalisez un modèle avec toutes les variables, supprimez celle avec la plus grande p-valeur (>20%), faite retourner le modèle pour calculer les nouvelles p-valeurs et ainsi de suite. C'est un processus manuel. Tout dépend des usages de votre discipline / domaine. Demandez conseil à votre encadrant ou bien regardez ce qui est fait dans les articles de votre domaine. — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: ***@***.***>

[piea-kactus]

Bonjour,

juste un petit message pour vous dire merci ! Super guide ! :)

[tim252525]

Bonjour,

J'ai une question concernant la représentation des modèles avec ggcoef_model et ggcoef_table
Votre post sur le CRAN m'a déjà bien aidé (https://cran.r-project.org/web/packages/ggstats/vignettes/ggcoef_model.html)
Pour customiser le plot final il me faudra pouvoir supprimer en ordonnées la légende secondaire (en gris) tout simplement car c'était codé en 0 et 1 dans le fichier et que j'ai renommé la légende directement dans la légende principale en gras.
Bref, savez-vous comment supprimer la légende en ordonnée qui est grise ?
Merci beaucoup de votre retour,
Et encore merci pour ce super site !

Timothée

[larmarange]

Je ne suis pas sur de bien comprendre la question en l'absence d'exemple reproductible.
Le graphique généré est un graphique ggplot qui peut donc être personnalisé avec l'ensemble des fonctions de ggplot2.

[tim252525]

J'aurais également une deuxième question
Avez vous un tuto pour customiser la fonction forest_model, pour définir la variable de référence et changer entre cas et témoins, renommer les étiquettes des variables, choisir ou non d'exprimer les effectifs par ligne etc.
Encore merci pour tout

[larmarange]

Je ne maitrise pas suffisament ce package. Il faudrait demander sur https://github.com/NikNakk/forestmodel/

[ftkaz001]

Bonjour Joseph,
j'ai une préoccupation concernant les résultats obtenus après une régression logistique. Mon étude consiste à évaluer la stigmatisation des personnes guéries d'une maladie. La stigmatisation a été évaluée comme une variable binaire. En faisant une régression logistique, j'obtiens pour certaines modalités des odds ratios très très grand ou des intervalles de confiance très très grand (de l'ordre de 1000000). Qu'est ce qui peut causer cela et comment interpréter ces résultats?

[larmarange]

Cela reflète en général une instabilité du modèle, souvent quand il y a trop de facteurs explicatifs, et/ou des facteurs explicatifs ayant top peu d'observations, ou bien des combinaisons de facteurs trop rares dans l'échantillons.

Il est conseillé de procéder à des recodes des variables explicatives pour s'assurer qu'il y a ait assez d'observations dans chaque modalité testées.

Cdlt

[pandacryu]

Bonjour Joseph, tout d'abord merci de faire vivre cette communauté avec vos contenus d'une grande qualité ! Je devrais vous remercie dans chacun de mes travaux tant vos supports sont essentiels !

Il reste une question sur les derniers modèles que j'ai effectué, qu'ils soient binomiaux ou multinomiaux, pour lesquels je n'ai pas la réponse : mes variables continues semblent être indépendantes (OR très proches de 1), mais ce n'est pas le cas lorsque je visualise les prédictions sous le prisme de probabilités (avec plot_marginal_predictions() par exemple), ou encore lorsque je recode mes variables. Malgré tout, toutes mes p-valeurs sont significatives (<0.001), avec des IC très faibles, voire nulles.

Merci par avance pour l'aide que vous pourrez m'apporter !

[larmarange]

La vraie question est "Que veux dire proche de 1 ?"

Pour une variable continue, l'OR correspond à l'effet quand on augmente d'une unité. Dans certains cas, cela peut paraître faible, mais si on augmente de beaucoup d'unité, alors l'effet apparait comme important.

Par exemple, si vous étudiez une probabilité en fonction de la durée depuis un certain événement, avez-vous exprimé cette durée en jours ou en année ? Si c'est en jour, l'OR peut sembler très proche de 1, mais une fois réexprimé en année il apparait comme élevé. C'est tout l'intérêt de regarder les prédictions marginales, qui elles sont indépendantes du choix de l'unité pour votre variable continue.

Cdlt

[pandacryu]

Merci beaucoup pour cette très prompte réponse ! Très proche de 1 veut dire... 1, ou éventuellement 0.998. Pensez-vous que normaliser ces variables pour augmenter les unités pourrait être un bon moyen de tester leur effet sur les ORs ? Merci par avance et belle journée à vous, Julia Le mar. 26 nov. 2024 à 14:29, Joseph Larmarange ***@***.***> a écrit :

…

La vraie question est "Que veux dire proche de 1 ?" Pour une variable continue, l'OR correspond à l'effet quand on augmente d'une unité. Dans certains cas, cela peut paraître faible, mais si on augmente de beaucoup d'unité, alors l'effet apparait comme important. Par exemple, si vous étudiez une probabilité en fonction de la durée depuis un certain événement, avez-vous exprimé cette durée en jours ou en année ? Si c'est en jour, l'OR peut sembler très proche de 1, mais une fois réexprimé en année il apparait comme élevé. C'est tout l'intérêt de regarder les prédictions marginales, qui elles sont indépendantes du choix de l'unité pour votre variable continue. Cdlt — Reply to this email directly, view it on GitHub <#146 (reply in thread)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/BNHT7ZSEFGCLTZ7TX4J37432CRZTZAVCNFSM6AAAAABQDGYLZKVHI2DSMVQWIX3LMV43URDJONRXK43TNFXW4Q3PNVWWK3TUHMYTCMZYGM4DKNQ> . You are receiving this because you commented.Message ID: ***@***.***>

-- *Julia Agziou* *+33 6 10 49 47 93*

[larmarange]

0.998 n'est pas forcément proche de 1. Pour reprendre mon exemple précédent, un OR journalier de 0.998 réexprimé en année donnerait 0.998^365 = 0.4815 !!!! Vous pouvez normaliser votre variable quantitative si vous le voulez, ou bien changer d'unité (en années, en dizaines, en centaines...) avant le calcul du modèle. Pour ma part, je prégère la seconde option qui est plus facile à interpréter. Cordialement Cordialement

…

-- *Joseph LARMARANGE* https://joseph.larmarange.net Demographer PhD HDR, Research Director at IRD <http://www.ird.fr/> *Directeur adjoint du Ceped <http://www.ceped.org/> UMR 196* (Univ. Paris Cité <https://u-paris.fr/> · IRD <https://www.ird.fr/> · Univ. Sorbonne Paris Nord <https://www.univ-spn.fr/> · Inserm <https://www.inserm.fr/> 1348) Associate researcher at Ined <https://www.ined.fr/> Ceped (George Sand), 20 Av. George Sand, 93210 Saint-Denis, France Ceped (Sts Pères), 45 rue des Saints-Pères, 75006 Paris, France Prendre RDV : https://www.vyte.in/larmarange Le mar. 26 nov. 2024 à 14:59, pandacryu ***@***.***> a écrit :

Merci beaucoup pour cette très prompte réponse ! Très proche de 1 veut dire... 1, ou éventuellement 0.998. Pensez-vous que normaliser ces variables pour augmenter les unités pourrait être un bon moyen de tester leur effet sur les ORs ? Merci par avance et belle journée à vous, Julia Le mar. 26 nov. 2024 à 14:29, Joseph Larmarange ***@***.***> a écrit : > La vraie question est "Que veux dire proche de 1 ?" > > Pour une variable continue, l'OR correspond à l'effet quand on augmente > d'une unité. Dans certains cas, cela peut paraître faible, mais si on > augmente de beaucoup d'unité, alors l'effet apparait comme important. > > Par exemple, si vous étudiez une probabilité en fonction de la durée > depuis un certain événement, avez-vous exprimé cette durée en jours ou en > année ? Si c'est en jour, l'OR peut sembler très proche de 1, mais une fois > réexprimé en année il apparait comme élevé. C'est tout l'intérêt de > regarder les prédictions marginales, qui elles sont indépendantes du choix > de l'unité pour votre variable continue. > > Cdlt > > — > Reply to this email directly, view it on GitHub > < #146 (reply in thread)>, > or unsubscribe > < https://github.com/notifications/unsubscribe-auth/BNHT7ZSEFGCLTZ7TX4J37432CRZTZAVCNFSM6AAAAABQDGYLZKVHI2DSMVQWIX3LMV43URDJONRXK43TNFXW4Q3PNVWWK3TUHMYTCMZYGM4DKNQ> > . > You are receiving this because you commented.Message ID: > ***@***.***> > -- *Julia Agziou* *+33 6 10 49 47 93* — Reply to this email directly, view it on GitHub <#146 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AAHL5I4LB5JWTB355CDZFYL2CR5DTAVCNFSM6AAAAABQDGYLZKVHI2DSMVQWIX3LMV43URDJONRXK43TNFXW4Q3PNVWWK3TUHMYTCMZYGQYTSMY> . You are receiving this because you commented.Message ID: ***@***.***>