ScholarGate
Assistent
Process / pipelineclassification-prediction

Logistische Regressie

Logistische regressie is een statistische methode voor het modelleren van de waarschijnlijkheid van een binaire uitkomst (ziekte aanwezig/afwezig, succes/falen) als een functie van continue en categorische voorspellers. Ontwikkeld door David Roxbee Cox (1958), lost het het probleem op van het voorspellen van categorische uitkomsten door een logistische transformatie toe te passen om voorspellingen te beperken tot het waarschijnlijkheidsinterval [0,1], wat nauwkeurige risicostratificatie, diagnostische voorspelling en causale inferentie in epidemiologie, geneeskunde en sociale wetenschappen mogelijk maakt.

Toepassen met StatMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Logistische Regressie
MultivariaatanalysePropensity Score MatchingOverlevingsanalyseActief Leren met Logisti…AdaBoostARFIMA: Model met fracti…Bayesiaanse patiënt-cont…Bayesiaanse dosis-respon…Bayesiaanse k-dichtstbij…Bayesiaanse logistische…

+79 more

Bronnen

  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 ↗

Deze pagina citeren

ScholarGate. (2026, June 4). Binary Logistic Regression. ScholarGate. https://scholargate.app/nl/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 →

Geciteerd door

Actief Leren met Logistische RegressieAdaBoostARFIMA: Model met fractioneel geïntegreerde ARMABayesiaanse patiënt-controle studieBayesiaanse dosis-responsanalyseBayesiaanse k-dichtstbijzijnde burenBayesiaanse logistische regressieBayesiaans ProbitmodelBayesiaanse Statistische InferentieBeneish M-Score: Detectie van WinstmanipulatieBeta RegressieBradley-Terry ModelCatBoostCausale Mediatie-Analyse (Natuurlijk Direct en Indirect Effect)De Chi-kwadraattoets van Pearson voor onafhankelijkheidContrafactische VerklaringenCox Proportional HazardsV van CramerKredietrisicomodellen (Merton, KMV, CreditMetrics)Credit Scoring (Scorecards, WoE/IV)KruistabelanalyseBeslisboomDiscriminant AnalysisExperimenteel ontwerp en analyse van dosis-responsrelatiesDubbel Robuuste Schatting (AIPW)Elastic NetUitlegbare BeslisboomVerklaarbare Naive BayesFairness-Aware Machine LearningGamma Regressie (GLM)Generaliseerde Lineaire Modellen (GLM)Gradient BoostingGraph Attention NetworkHeckman Sample Selection Model (Heckit / Tobit Type II)Hurdlemodel voor tellinggegevensInverse Probability of Treatment Weighting (IPW / IPTW)K-Nearest NeighborsLasso-regressieLightGBMLineaire Discriminantanalyse (LDA)Lineaire Discriminantieanalyse (LDAMaximum LikelihoodschattingModelkalibratieModeratie (Interactie) AnalyseMeerlaags Perceptron (MLP)Multilayer Perceptron (MLP)Multilevel ModellerenMultinomial Logistic RegressionMultinominale logistische regressieMeervoudige Lineaire RegressieMultivariaatanalyseMultivariate Meervoudige Lineaire RegressieNaïeve BayesNegatieve-binomiale regressieNiet-lineaire paneldata-analyseGewone Kleinste Kwadraten (GKK) RegressieOrdered LogitOrdinale logistische regressieOrdinale logistische regressie modelleert een geordende categorische uitkomstPoisson- en negatief-binomiale regressieProbit RegressiemodelPropensity Score MatchingZ-toets voor twee proportiesRandom ForestGeregulariseerde Naive BayesRidge-regressieRisico-gecorrigeerde patiënt-controle studieRisico-gecorrigeerde Cox Proportionele HazardsRisicogecorrigeerd Cross-Sectioneel Epidemiologisch OnderzoekRisico-gecorrigeerde diagnostische nauwkeurigheidsstudieRisico-gecorrigeerde dosis-responsanalyseRisico-gecorrigeerde evaluatie van screenings testsRobuuste Discriminante AnalyseRobuuste Logistische RegressieRobuuste Naive BayesRobuuste PoissonregressieRobuust ProbitmodelSemi-supervised Naive BayesSemi-supervised Support Vector MachineSHAP (SHapley Additive exPlanations)Enkelvoudige lineaire regressieStackingStochastische Gradiëntdaling (SGD)Support Vector Machine (Classificatie)OverlevingsanalyseTobit Gecensureerd RegressiemodelTransformer (NLP)XGBoostZero-Inflated Poisson (ZIP) Regressie

Een fout op deze pagina gezien? Meld het of stel een correctie voor →

ScholarGate — Logistic Regression (Binary Logistic Regression). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/research-statistics/logistic-regression · Gegevensset: https://doi.org/10.5281/zenodo.20539026