Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Lojistik Regresyon

No description
by

berfu parcali

on 11 August 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Lojistik Regresyon

Lojistik Regresyon
Lojistik Regresyon Nedir?
Lojistik regresyon; cevap değişkeninin kategorik ve ikili, üçlü ve çoklu kategorilerde gözlendiği durumlarda açıklayıcı değişkenlerle neden sonuç ilişkisini belirlemede yararlanılan bir yöntemdir.
Lojistik regresyonun uygulandığı durumlar
Bağımlı değişkenin kategori sayısına göre uygulanacak yöntem farklıdır.
En çok uygulandığı durum bağımlı değişkenin iki kategorili (iyileşti iyileşmedi gibi) olduğu durumdur.
Lojistik regresyon yönteminin hedefi, bağımlı değişkenin sonucunu tahmin edebilecek en sade modeli bulmaktır.
Lojistik regresyon analizi sonucunda elde edilen modelin uygun olup olmadığı “model ki-kare” testi ile,
Her bir bağımsız değişkenin modelde varlığının anlamlı olup olmadığı ise Wald istatistiği ile test edilir.
VARSAYIML AR
Lojistik regresyon yönteminde doğrusal regresyon analizindeki varsayımların hiçbirisi aranmaz.Bu nedenle araştırıcılara önemli esneklik sağlamaktadır ve daha fazla tercih edilen bir yöntem haline gelmiştir.
Lojistik regresyon analizi kullanılarak yapılacak araştırmalarda dikkate alınmalıdır:
• Uygun tüm bağımsız değişkenler modele dahil edilmelidir. • Uygun olmayan tüm bağımsız değişkenler dışlanmalıdır

• Bağımsız değişkenlerde ölçüm hatası küçük olmalıdır
• Bağımsız değişkenler arasında çoklu bağlantı (Multicollinearity) olmamalıdır. •Aşırı değerler olmamalıdır
Full transcript