Prédisez un résultat binaire et calculez les odds ratios.
Définition
La régression logistique modélise la probabilité d'un événement binaire (0/1, Oui/Non) en fonction de plusieurs prédicteurs. Elle est incontournable en épidémiologie, en médecine et en sciences sociales.
Quand l'utiliser ?
Prédire un résultat binaire (maladie/sain, succès/échec)
Calculer des odds ratios ajustés
Identifier des facteurs de risque en contrôlant les confondants
Conditions requises
Variable dépendante binaire
Prédicteurs continus ou catégoriels (encodage automatique)
N ≥ 10 événements par variable pour éviter la surparamétrisation
Ce que StatsLab calcule
Odds Ratios (OR) avec IC 95%
Coefficients β et p-values
AUC-ROC avec courbe
Validation croisée k-fold
Matrice de confusion
Forest plot des OR
Courbe de calibration
Exemple concret
Contexte : Prédiction du risque de rechute (Oui/Non) à partir de 3 biomarqueurs chez 200 patients.
Résultat obtenu : AUC = 0,82 · Biomarqueur A : OR = 2,4, IC 95% [1,6 ; 3,7], p < 0,001
Interprétation : Bon pouvoir discriminant (AUC = 0,82). Le biomarqueur A multiplie le risque de rechute par 2,4. Le modèle est correctement calibré.