• 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
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper camilledecoster. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €4,49. Je zit daarna nergens aan vast.