[Résolu] Help please: IC 95% d'un odds ratio

[Jean-Pierre Jacus]

Bonjour,
Pour être plus clair, lorsque je fais une régression logistique binaire depuis une variable appelé GDTbinaire1 sur une variable expliquée nommée PCRSaidant binaire avec le logiciel SPSS, j'obtiens le résultat suivant:

Code : Tout sélectionner

Constante = -.693; OR = 0R = 0.5; sig = 0.74
GDTbinaire1 = 1.447, OR = 4.25; sig = 0.12; IC95% pour OR = 1.37 - 13.188

Ce qui signifie que l'odds ratio de ma variable GDTbinaire1 sur ma variable explicative est de 4.25 pour une p-value de 0.12 (significatif) et que l'IC95% de l'OR est à 1.37 pour sa borne < et 13.188 pour sa borne >.
Lorsque je fais cette même régression avec R, je retrouve les même valeurs de Estimate Std, de p-values (ou sig) et d'OR:

Code : Tout sélectionner

Call: glm(formula = fichier$PCRSaidantbinaire ~ fichier$GDTbinaire,
    family = binomial)

Deviance Residuals:
    Min       1Q   Median       3Q      Max 
-1.5096  -0.9005  -0.9005   0.8782   1.4823 

Coefficients:
                    Estimate Std. Error z value Pr(>|z|) 
(Intercept)          -0.6931     0.3873  -1.790   0.0735
fichier$GDTbinaire1   1.4469     0.5778   2.504   0.0123*
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 76.228  on 54  degrees of freedom
Residual deviance: 69.534  on 53  degrees of freedom
  (5 observations deleted due to missingness)
AIC: 73.534

Number of Fisher Scoring iterations: 4

> mode<-glm(fichier$PCRSaidantbinaire ~ fichier$GDTbinaire, family=binomial)
> exp(coef(mode))# donne l'OR (comme en dessous)
        (Intercept) fichier$GDTbinaire1
               0.50                4.25

Mais je n'arrive pas à obtenir l'IC 95% de l'OR (1.23 - 13.188)
la fonction

Code : Tout sélectionner

confint(mode)

donne l'IC 95% de l'intercept et du régresseur (GDTbinaire1), mais pas de l'OR...

Code : Tout sélectionner

confint(mode) # IC 95% de Beta 1(ne doit pas inclure la valeur 0 car dans ce cas X apporte peu d'info pour prédire Y?)
Waiting for profiling to be done...
                         2.5 %     97.5 %
(Intercept)         -1.4942114 0.04295714
fichier$GDTbinaire1  0.3444011 2.62563949

Comment avoir l'IC95% de l'OR avec R ?
Je vous remercie beaucoup pour vos réponses
J. Pierre

[Alexandre Dangléant]

Bonjour,

Premièrement, merci de nous épargner les polices 38 et autres couleurs rouges.

Deuxièmement, la recherche google "r calcul odds ratio regression logistique" donne comme premier résultat ceci : http://joseph.larmarange.net/?Calculer- ... ne&lang=fr où l'on apprend qu'il existe un package contenant la fonction que vous recherchez.

Troisièmement, le 2e lien de cette recherche viewtopic.php?t=2971 répond à votre question sans passer par un package.

Bien cordialement.

[Jean-Pierre Jacus]

merci à vous.
Pour la police 38, je ne voulais pas être désagréable mais le plus clair possible dans mon texte
J. Pierre

[Jean-Pierre Jacus]

Bonjour, je suis désolé mais je ne m'en sors pas.
j'ai chosi votre "troisièmement" pour éviter le package, mais si

Code : Tout sélectionner

exp(coef(model1))

me donne bien les OR de l'intercept et de la variable explicative

Code : Tout sélectionner

stats:::coef.default(model1)

ne me donne que les Estimate std de l'intercept et de la variable explicative que j'ai déjà avec

Code : Tout sélectionner

summary(glm(..., family = binomial))

il en est de même avec les fonctions

Code : Tout sélectionner

stats:::coef.Arima
stats:::coef.aov

Donc, je suis désolé mais je n'ai toujours pas trouvé la commande de l'IC 95% de l'OR, sans package.
J. Pierre

[Jean-Pierre Jacus]

En effet, Alexandre, il faut passer par le package "questionr":

Code : Tout sélectionner

odds.ratio()

donne l'IC95% de l'OR de(s) la variable(s) explicative(s), sachant que cet IC doit être > 1 à sa borne inférieure pour que le modèle soit prédictif.
De même, sans package:

Code : Tout sélectionner

confint()

donne l'IC95% de la variable explicative, sachant qu'il ne doit pas inclure la valeur 0 pour que le modèle soit prédictif.
Quand l'IC de beta 1 inclut la valeur 0, l'IC de l'OR est compris entre 0 et 1 à sa borne inférieure. Donc, les deux reviennent au même.
Merci beaucoup à vous.
JP