ScholarGate
Assistent
Process / pipelineclassification-prediction

Logistische Regression

Die logistische Regression ist eine statistische Methode zur Modellierung der Wahrscheinlichkeit eines binären Ergebnisses (Krankheit vorhanden/nicht vorhanden, Erfolg/Misserfolg) als Funktion kontinuierlicher und kategorialer Prädiktoren. Sie wurde von David Roxbee Cox (1958) entwickelt und löst das Problem der Vorhersage kategorialer Ergebnisse, indem sie eine logistische Transformation anwendet, um Vorhersagen auf das Wahrscheinlichkeitsintervall [0,1] zu beschränken. Dies ermöglicht eine genaue Risikostratifizierung, diagnostische Vorhersage und kausale Inferenz in Epidemiologie, Medizin und Sozialwissenschaften.

Mit StatMind anwendenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Logistische Regression
Multiple Regressionsanal…Propensity Score MatchingÜberlebenszeitanalyseAktives Lernen mit logis…AdaBoostARFIMA: Modell mit frakt…Bayesian Case-Control St…Bayesian Dosis-Wirkungs-…Bayesian k-Nearest Neigh…Bayesian Logistic Regres…

+79 more

Quellen

  1. Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242. DOI: 10.1111/j.2517-6161.1958.tb00292.x ↗
  2. Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. DOI: 10.1002/9781118548387 ↗

So zitieren Sie diese Seite

ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/de/research-statistics/logistic-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Referenziert von

Aktives Lernen mit logistischer RegressionAdaBoostARFIMA: Modell mit fraktionierter integrierter ARMA-StrukturBayesian Case-Control StudyBayesian Dosis-Wirkungs-AnalyseBayesian k-Nearest NeighborsBayesian Logistic RegressionBayesian Probit-ModellBayesianische statistische InferenzBeneish M-Score: Erkennung von GewinnmanipulationBeta-RegressionBradley-Terry-ModellCatBoostKausale Mediationsanalyse (Natürliche Direkte und Indirekte Effekte)Chi-Quadrat-Unabhängigkeitstest nach PearsonKontrafaktische ErklärungenCox-Proportional-Hazards-ModellCramérs VKreditrisikomodelle (Merton, KMV, CreditMetrics)Kredit-Scoring (Scorecards, WoE/IV)KreuztabellenanalyseEntscheidungsbaumDiskriminanzanalyseDosis-Wirkungs-Versuchsplanung und -AnalyseDoubly Robust Estimation (AIPW)Elastic NetErklärbarer EntscheidungsbaumErklärbarer Naive BayesFairness-Aware Machine LearningGamma-Regression (GLM)Generalisiertes Lineares Modell (GLM)Gradient BoostingGraph Attention NetworkHeckman-Selektionsmodell (Heckit / Tobit Typ II)Hurdle-Modell für ZähldatenInverse Probability of Treatment Weighting (IPW / IPTW)K-Nearest NeighborsLasso-RegressionLightGBMLineare Diskriminanzanalyse (LDA)Lineare Diskriminanzanalyse (LDAMaximum Likelihood EstimationModellkalibrierungModerationsanalyse (Interaktionsanalyse)Multilayer-Perzeptron (MLP)Mehrschichtiges Perzeptron (MLP)Multilevel ModelingMultinomiale logistische RegressionMultinomiale Logistische RegressionMultiple Lineare RegressionMultiple RegressionsanalyseMultivariate multiple lineare RegressionNaive BayesNegative Binomial RegressionNichtlineare PaneldatenanalyseMethode der kleinsten Quadrate (OLS)Geordnete logistische Regression (Ordered Logit/Probit)Ordinal-Logistische RegressionOrdinal Logistic Regression (Proportional Odds Model)Poisson- und Negativ-Binomial-RegressionProbit-RegressionsmodellPropensity Score MatchingZwei-Proportionen z-TestRandom ForestRegularized Naive BayesRidge RegressionRisikoadjustierte Fall-Kontroll-StudieRisikoadjustierte Cox-Proportional-Hazards-RegressionRisikoadjustierte Querschnittsstudie in der EpidemiologieRisikoadjustierte diagnostische GenauigkeitsstudieRisikoadjustierte Dosis-Wirkungs-AnalyseRisikoadjustierte Bewertung von Screening-TestsRobuste DiskriminanzanalyseRobuste Logistische RegressionRobuster Naive BayesRobuste Poisson-RegressionRobustes Probit-ModellSemi-supervised Naive BayesHalb-überwachte Support Vector MachineSHAP (SHapley Additive exPlanations)Einfache lineare RegressionStackingStochastischer Gradientenabstieg (SGD)Support Vector Machine (Klassifikation)ÜberlebenszeitanalyseTobit-Zensurierte RegressionsmodelleTransformer (NLP)XGBoostZero-Inflated Poisson (ZIP) Regression

Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →

ScholarGate — Logistic Regression (Binary Logistic Regression). Abgerufen am 2026-06-15 von https://scholargate.app/de/research-statistics/logistic-regression · Datensatz: https://doi.org/10.5281/zenodo.20539026