Samenvatting Methodologie II DT2
Orlando Velthuijzen
Hoorcollege 6 – associatie en predictiemodellen / Inleiding in de toegepaste biostatistiek
Hoofdstuk 7 Multiple regressieanalyse: associatiemodellen en predictiemodellen
Lineaire regressie -> continue uitkomstvariabele
Logistische regressie -> dichotome uitkomstvariabele
Cox-regressie -> combinatie van een dichotome uitkomst en de tijd tot die uitkomst.
Multipele regressie (multivariabel) = 1 uitkomst, meerdere determinanten.
Multivariate regressie = een regressie met meerdere afhankelijke variabelen (uitkomsten).
Associatiemodellen = modellen waarbij je zo zuiver mogelijk het verband tussen een
uitkomstvariabele en een centrale determinant schat
Predictiemodellen = modellen waarbij je een bepaalde uitkomstvariabele zo goed mogelijk
probeert te schatten aan de hand van meerdere determinanten. Hierin ben je niet
geïnteresseerd in de ernst van het verband, maar of deze wel of niet aanwezig is.
Voorbeeld dit hoorcollege (cohort) -> hoe sterk is de relatie tussen BMI en
totaalcholesterol, rekening houdend met mogelijke confounding door geslacht, leeftijd,
roken, lichamelijke activiteit en alcoholgebruik.
Presenteren confounding resultaten -> presenteert B (coëfficiënten) en BI van ‘ruwe’
uitkomst en het gecorrigeerde model, waarin je confounding variabelen staan.
Predicitiemodellen = modellen waarbij je een uitkomstvariabele zo goed mogelijk probeert
te voorspellen. Bijvoorbeeld bij een kaart waarbij je kijkt hoe het gaat met een net geboren
baby door bepaalde punten te controleren.
-Confounding -> speelt geen rol omdat je bijvoorbeeld niet geïnteresseerd bent in
waarom hetgeen wel of niet aanwezig is, maar omdat je alleen wilt weten of
datgeen er wel of niet is. Je bent niet bezig met de vertekening van de uitkomst.
-Effectmodificatie -> wel aanwezig omdat de uitkomst bijvoorbeeld wel nog kan
verschillen tussen mannen en vrouwen/jongens en meisjes. Dit kan namelijk
resulteren in aparte predictiemodellen.
4 fases van predictiemodel:
1. assumptiecheck (Geldt ook voor associatiemodellen).
-lineariteit (zie DT1)
-power -> de betrouwbaarheid van het model is sterk afhankelijk van grootte
studiepopulatie. Bij regressie heb je bijvoorbeeld minimaal 10-15 deelnemers/events
per variabele nodig.
-collineariteit -> gecorreleerde variabelen kunnen analyse verstoren. Er is sprake van
correlatie bij een bepaalde correlatiecoëfficiënt (0,5; 0,6; 0,7). Dit is bijvoorbeeld
wanneer je kijkt naar BMI en je voegt lengte/gewicht toe. Je weet ook van tevoren al
dat deze een correlatie hebben omdat BMI wordt berekend met deze variabelen.
Om dit op te lossen moet je een van de variabele verwijderen.
2. ontwikkeling predictor selectie.
Hierbij ga je kijken naar welke variabelen kunnen werken als voorspellers. Dit kan je
achterhalen door onderzoek te doen naar literatuur. Het doel hiervan is om de
, Samenvatting Methodologie II DT2
Orlando Velthuijzen
meest eenvoudige combinatie van determinanten te vinden voor je uitkomst.
Vervolgens ga je met je gevonden variabelen analyse uitvoeren en de variabele met
de laagste p-waarde die selecteer je. Deze enkele variabele voeg je toe aan een
‘nieuw’ basismodel en vervolgens doe je dit weer opnieuw totdat je een bepaalde
grens p-waarde hebt bereikt. Dit heet een forward selectie model.
Backward selectie model -> verwijderen van de variabelen met de hoogste p-
waarden totdat je een grens p-waarde bereikt. Deze methode heeft de
voorkeur omdat je begint met de totale werkelijkheid met alle variabelen die
er beschikbaar zijn. Je gaat niet meteen het beste van de gehele
variabelenlijst meteen weghalen. Een probleem hierbij kan wel zijn de power
omdat je dan 10-15 keer 20 personen moet hebben bij 20 variabelen in je
regressie. Dit is heel veel en backward kan daardoor soms niet mogelijk zijn.
-Indien je bijv. 50 variabelen hebt en maar 100 mensen, dan moet je
eerst een voorselectie maken. Hierbij neem je als afkapwaarde 10%,
15% of 20% en de variabelen die dan overblijven, daarmee voer je je
backward selectie uit.
3. kwaliteit, validiteit.
Hierbij kijk je hoe accuraat de verkregen voorspellingen zijn. Dit valt te controleren
door te kijken naar de verklaarde variantie (R^2). Je moet je wel afvragen in
hoeverre het mogelijk is om alle variaties op te meten. De variabelen die jij hebt
gekozen kunnen maar een deel zijn van alle variatie die meespelen in je
predictiemodel. Hierbij moet je kijken of je tevreden bent met bijvoorbeeld 60% van
de variaties verklaard.
-Is alleen van toepassing bij predictiemodellen, en niet bij associatiemodellen
Kwaliteit logistische regressie -> Aan de hand van een classificatietabel waarvoor je voor
ieder persoon in de dataset de kans bepaald en deze verdeeld boven en onder een
afkappunt. Dit kan je in een 2x2 tabel zetten met in de kolommen voorspelde waarden en in
de rijen geobserveerde waarden. Hiermee kan je dan een specificiteit, sensitiviteit, PVW en
NVW berekenen.
Kan je opstellen in SPSS in het menu van logistische regressie
-De kans op je uitkomst kan worden berekend met 1/(1+e^(b0+b1X))
Hosmer-lemeshow -> nog een manier om kwaliteit te controleren. Hierbij wordt de
populatie opgedeeld in 10 groepen en worden de observed en predicted waarden
berekend. Vervolgens berekent de toets hiermee een p-waarde. Hoe kleiner het verschil
tussen ‘observed’ en ‘predicted’, hoe kleiner de bijhorende toetsingsgrootheid, hoe hoger
de p-waarde. H0 van deze toets is: “Het model past goed/fits”.
Verklaarde variantie -> kan je niet correct in een keer berekenen met logistische
regressieanalyse en dus neem je de Chi-square van het uiteindelijke resultaat en deel
je dit door de -2 log likelihood van het model zonder determinanten + deze Chi
square. Dit geeft dan de R^2.
Orlando Velthuijzen
Hoorcollege 6 – associatie en predictiemodellen / Inleiding in de toegepaste biostatistiek
Hoofdstuk 7 Multiple regressieanalyse: associatiemodellen en predictiemodellen
Lineaire regressie -> continue uitkomstvariabele
Logistische regressie -> dichotome uitkomstvariabele
Cox-regressie -> combinatie van een dichotome uitkomst en de tijd tot die uitkomst.
Multipele regressie (multivariabel) = 1 uitkomst, meerdere determinanten.
Multivariate regressie = een regressie met meerdere afhankelijke variabelen (uitkomsten).
Associatiemodellen = modellen waarbij je zo zuiver mogelijk het verband tussen een
uitkomstvariabele en een centrale determinant schat
Predictiemodellen = modellen waarbij je een bepaalde uitkomstvariabele zo goed mogelijk
probeert te schatten aan de hand van meerdere determinanten. Hierin ben je niet
geïnteresseerd in de ernst van het verband, maar of deze wel of niet aanwezig is.
Voorbeeld dit hoorcollege (cohort) -> hoe sterk is de relatie tussen BMI en
totaalcholesterol, rekening houdend met mogelijke confounding door geslacht, leeftijd,
roken, lichamelijke activiteit en alcoholgebruik.
Presenteren confounding resultaten -> presenteert B (coëfficiënten) en BI van ‘ruwe’
uitkomst en het gecorrigeerde model, waarin je confounding variabelen staan.
Predicitiemodellen = modellen waarbij je een uitkomstvariabele zo goed mogelijk probeert
te voorspellen. Bijvoorbeeld bij een kaart waarbij je kijkt hoe het gaat met een net geboren
baby door bepaalde punten te controleren.
-Confounding -> speelt geen rol omdat je bijvoorbeeld niet geïnteresseerd bent in
waarom hetgeen wel of niet aanwezig is, maar omdat je alleen wilt weten of
datgeen er wel of niet is. Je bent niet bezig met de vertekening van de uitkomst.
-Effectmodificatie -> wel aanwezig omdat de uitkomst bijvoorbeeld wel nog kan
verschillen tussen mannen en vrouwen/jongens en meisjes. Dit kan namelijk
resulteren in aparte predictiemodellen.
4 fases van predictiemodel:
1. assumptiecheck (Geldt ook voor associatiemodellen).
-lineariteit (zie DT1)
-power -> de betrouwbaarheid van het model is sterk afhankelijk van grootte
studiepopulatie. Bij regressie heb je bijvoorbeeld minimaal 10-15 deelnemers/events
per variabele nodig.
-collineariteit -> gecorreleerde variabelen kunnen analyse verstoren. Er is sprake van
correlatie bij een bepaalde correlatiecoëfficiënt (0,5; 0,6; 0,7). Dit is bijvoorbeeld
wanneer je kijkt naar BMI en je voegt lengte/gewicht toe. Je weet ook van tevoren al
dat deze een correlatie hebben omdat BMI wordt berekend met deze variabelen.
Om dit op te lossen moet je een van de variabele verwijderen.
2. ontwikkeling predictor selectie.
Hierbij ga je kijken naar welke variabelen kunnen werken als voorspellers. Dit kan je
achterhalen door onderzoek te doen naar literatuur. Het doel hiervan is om de
, Samenvatting Methodologie II DT2
Orlando Velthuijzen
meest eenvoudige combinatie van determinanten te vinden voor je uitkomst.
Vervolgens ga je met je gevonden variabelen analyse uitvoeren en de variabele met
de laagste p-waarde die selecteer je. Deze enkele variabele voeg je toe aan een
‘nieuw’ basismodel en vervolgens doe je dit weer opnieuw totdat je een bepaalde
grens p-waarde hebt bereikt. Dit heet een forward selectie model.
Backward selectie model -> verwijderen van de variabelen met de hoogste p-
waarden totdat je een grens p-waarde bereikt. Deze methode heeft de
voorkeur omdat je begint met de totale werkelijkheid met alle variabelen die
er beschikbaar zijn. Je gaat niet meteen het beste van de gehele
variabelenlijst meteen weghalen. Een probleem hierbij kan wel zijn de power
omdat je dan 10-15 keer 20 personen moet hebben bij 20 variabelen in je
regressie. Dit is heel veel en backward kan daardoor soms niet mogelijk zijn.
-Indien je bijv. 50 variabelen hebt en maar 100 mensen, dan moet je
eerst een voorselectie maken. Hierbij neem je als afkapwaarde 10%,
15% of 20% en de variabelen die dan overblijven, daarmee voer je je
backward selectie uit.
3. kwaliteit, validiteit.
Hierbij kijk je hoe accuraat de verkregen voorspellingen zijn. Dit valt te controleren
door te kijken naar de verklaarde variantie (R^2). Je moet je wel afvragen in
hoeverre het mogelijk is om alle variaties op te meten. De variabelen die jij hebt
gekozen kunnen maar een deel zijn van alle variatie die meespelen in je
predictiemodel. Hierbij moet je kijken of je tevreden bent met bijvoorbeeld 60% van
de variaties verklaard.
-Is alleen van toepassing bij predictiemodellen, en niet bij associatiemodellen
Kwaliteit logistische regressie -> Aan de hand van een classificatietabel waarvoor je voor
ieder persoon in de dataset de kans bepaald en deze verdeeld boven en onder een
afkappunt. Dit kan je in een 2x2 tabel zetten met in de kolommen voorspelde waarden en in
de rijen geobserveerde waarden. Hiermee kan je dan een specificiteit, sensitiviteit, PVW en
NVW berekenen.
Kan je opstellen in SPSS in het menu van logistische regressie
-De kans op je uitkomst kan worden berekend met 1/(1+e^(b0+b1X))
Hosmer-lemeshow -> nog een manier om kwaliteit te controleren. Hierbij wordt de
populatie opgedeeld in 10 groepen en worden de observed en predicted waarden
berekend. Vervolgens berekent de toets hiermee een p-waarde. Hoe kleiner het verschil
tussen ‘observed’ en ‘predicted’, hoe kleiner de bijhorende toetsingsgrootheid, hoe hoger
de p-waarde. H0 van deze toets is: “Het model past goed/fits”.
Verklaarde variantie -> kan je niet correct in een keer berekenen met logistische
regressieanalyse en dus neem je de Chi-square van het uiteindelijke resultaat en deel
je dit door de -2 log likelihood van het model zonder determinanten + deze Chi
square. Dit geeft dan de R^2.
