• Gegeven: Pasgeboren met laag geboortegewicht (<2500g) hebben vaak meer zorg nodig dan
andere pasgeborenen.
• Vraag: Is zwangerschapsduur geassocieerd met laag geboortegewicht?
• ➔ kans op laag geboortegewicht?
we moeten opletten want dichotome variabele kan enkel waarde 0 en 1 aannemen
Outcome = continue variabele MAAR kans van 0 tot 1; dus werken met relatieve kans → ODDS (gaat
van 0 tot oneindig) → nood aan transformatie → natuurlijk logaritme van de odds (of logit)
• Kans op laag gewicht delen door kans op geen laag gewicht ➔ odds
• Odds is niet hetzelfde als kans
Logistische regressie:
• STAP 1: cleanen
• STAP 2: aanmaken van dichotome variabele
o Transform
o Recode into different
o Gebgw → gebgw_LAAG
o Old & new values
▪ Range, lowest through value 2499 ➔ value 1
▪ All other values ➔ value 0
o Controle via summarize cases
▪ Analyze
▪ Reports
▪ Case summaries
▪ Variables = gebgw
▪ Grouping variable = gebgw_laag
▪ Limit cases to first uitzetten
▪ Paste
▪ Zie output: zo zie je dat hier code 0 = hoog geboortegewicht en 1 = laag
o Variable labels gebgw_LAAG ‘laag geboortegewicht (<2500g)’.
o Value labels gebgw_LAAG 0 ‘geen laag geboortegewicht (>=2500g)’ 1 ‘laag
geboortewicht (<2500g)’.
o Formats gebgw_LAAG (F8.0).
o Variable level gebgw_LAAG (NOMINAL).
o Controle descriptive frequencies
• STAP 3: we gaan een nieuwe dataset aanmaken voor de grafische voorstelling
o Data
o Aggregate
▪ We gaan ervoor zorgen dat het laag geboortegewicht opgesteld wordt adhv
zwangerschapsduur
o Break variable = zwangerschapsduur
o Aggregated variable = gebgw_LAAG
o Number of cases aanzetten
o Save: create a new dataset containing only the aggregated variables
o Dataset name geven: logistische_FIGUUR
o Options for very large datasets: sort file before aggregating
, o Paste
o Nieuwe dataset nog eens opslaan!
o
▪ 3 kindjes met zwangerschapsduur 25 weken en gewicht code 1
▪ MAAR wat met de getallen tussen 1 en 0? ➔ dit omdat er zowel kindjes met
gewicht code 1 als code 2 zijn voor dat aantal weken zwangerschap
▪ Aan de hand hiervan kan je mooie figuur opstellen
o Variabele gebgw_LAAG_mean wordt automatisch aangemaakt
o Variable label gebgw_LAAG_mean ‘geobserveerde proportie laag geboortegewicht
(<2500g).
• STAP 4: grafiek aanmaken met nieuwe dataset
o Graphs
o Legacy dialogs
o Scatter
o Simple
o X-as = zwangerschapsduur
o Y-as = gebgw_LAAg
o Paste
o Elements: fit line at total ➔ properties: loess fit method
o
• STAP 5: logistische regressie
o We gaan terug naar de originele dataset
o Nu gaan we te werk met odds
o Analyze
o Regression
o Binary logistic
o Dependent = laag geboortegewicht
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur camilledecoster. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €4,49. Vous n'êtes lié à rien après votre achat.