Lojistik Regresyon Sonuçları Nasıl Yorumlanır? Odds Oranı, Model Uyumu ve Raporlama

SPSS çıktısında “Variables in the Equation” tablosu önünüzde, Exp(B) sütununda 2,41 yazıyor ve danışmanınız “bunu yorumla” diyor. Kısa yanıt şu: lojistik regresyon sonuçlarında asıl yorumlanan değer odds oranıdır (OR = Exp(B)). OR 1’den büyükse ilgili değişken sonucun görülme olasılığını artırır, 1’den küçükse azaltır; %95 güven aralığı 1’i içermiyorsa bu etki istatistiksel olarak anlamlıdır. Bunun yanına modelin bütün olarak veriye uyup uymadığını gösteren birkaç gösterge eklenir. Aşağıda çıktıyı tablo tablo okuyup tezde ya da makalede nasıl yazacağınızı adım adım anlatıyoruz.

Analizin kurulumunda ya da raporlanmasında takıldığınız noktada biyoistatistik danışmanlığı sayfamızda birlikte nasıl çalıştığımızı görebilirsiniz.

Lojistik regresyon ne zaman kullanılır?

Bağımlı değişkeniniz iki kategoriliyse (hasta/sağlıklı, komplikasyon var/yok, sınavı geçti/kaldı) doğrusal regresyon yerine ikili (binary) lojistik regresyon kullanılır. Bağımsız değişkenler sürekli (yaş, BKİ), kategorik (cinsiyet, eğitim düzeyi) ya da ikisinin karışımı olabilir. Model, sonucun doğrudan kendisini değil, sonucun görülme odds’unun logaritmasını (logit) tahmin eder. Bu yüzden katsayılar (B) doğrudan “kaç birim artış” diye okunmaz; üssü alınarak (Exp(B)) odds oranına çevrilir.

Üç ve daha fazla kategorili bağımlı değişkenlerde multinomial, sıralı kategorilerde ordinal lojistik regresyon kullanılır. Bu yazı en sık karşılaşılan ikili modele odaklanıyor.

Çıktıdaki tablolar hangi sırayla okunur?

SPSS, R, Stata ya da JASP fark etmeksizin çıktı mantığı aynıdır. Önce modelin bütününe, sonra tek tek değişkenlere bakılır:

1. Kodlama kontrolü: Bağımlı değişkende hangi kategorinin 1 olarak kodlandığını doğrulayın. Bütün yorumlar “1” kategorisinin odds’u üzerinden yapılır. Kategorik bağımsız değişkenlerde referans kategoriyi de not edin.
2. Modelin anlamlılığı (Omnibus testi): Değişkenleri içeren modelin, yalnızca sabit terimli modele göre anlamlı biçimde daha iyi olup olmadığını gösterir (χ², sd, p).
3. Uyum iyiliği (Hosmer–Lemeshow): Burada p > 0,05 istenir; yani gözlenen ve beklenen değerler arasında anlamlı fark olmaması modelin veriye uyduğunu gösterir.
4. Açıklanan varyans (Nagelkerke R²): Doğrusal regresyondaki R² gibi yorumlanmaz; “sözde R²” olarak raporlanır ve modelin açıklayıcılığı hakkında kaba bir fikir verir.
5. Sınıflandırma tablosu: Modelin vakaları yüzde kaçında doğru sınıflandırdığını gösterir. Bunu sabit terimli modelin (Block 0) oranıyla karşılaştırın.
6. Katsayı tablosu: B, standart hata, Wald, p, Exp(B) ve %95 güven aralığı. Asıl yorum burada yapılır.

Odds oranı nasıl yorumlanır?

Odds, bir olayın olma olasılığının olmama olasılığına oranıdır. Odds oranı ise iki grubun odds’larının oranıdır. Yorumu değişkenin türüne göre değişir:

SürekliYaş: OR = 1,04; %95 GA [1,01; 1,07]Yaştaki her bir yıllık artış, komplikasyon odds’unu %4 artırır.

Koruyucu etkiDüzenli egzersiz: OR = 0,62; %95 GA [0,41; 0,94]Egzersiz yapanlarda odds %38 daha düşüktür (1 − 0,62 = 0,38).

Anlamsız etkiCinsiyet: OR = 1,18; %95 GA [0,79; 1,76]Güven aralığı 1’i içerdiği için anlamlı bir ilişki yoktur.

Burada en sık yapılan hata, odds oranını “risk” ya da “olasılık” gibi okumaktır. “Sigara içenlerde komplikasyon 2,41 kat daha sık görülür” cümlesi teknik olarak yanlıştır; doğru ifade “odds’u 2,41 kat daha yüksektir” olur. Sonucun sık görüldüğü örneklemlerde (ör. %20’nin üzerinde) odds oranı risk oranından belirgin biçimde uzaklaşır, bu nedenle fark önemlidir.

Sürekli değişkenlerde birim seçimi de yorumu belirler. Yaş için OR = 1,04 küçük görünebilir; ancak 10 yıllık artış için odds oranı 1,04¹⁰ ≈ 1,48’dir. Klinik açıdan anlamlı bir birim (10 yıl, 5 kg/m²) seçip bunu yöntem bölümünde belirtmek okuru kolaylaştırır.

Ham ve düzeltilmiş odds oranı arasındaki fark nedir?

Tıp ve sağlık bilimleri tezlerinde genellikle iki aşamalı bir analiz yapılır. Önce her değişken tek başına modele girilir (tek değişkenli analiz, ham OR). Ardından belirlenen ölçüte göre (çoğunlukla p < 0,20 ya da p < 0,25) seçilen değişkenler birlikte çok değişkenli modele alınır ve düzeltilmiş OR (adjusted OR, aOR) elde edilir.

Düzeltilmiş OR, diğer değişkenler sabit tutulduğunda o değişkenin etkisini gösterir. Ham OR’si anlamlı olan bir değişkenin düzeltilmiş modelde anlamlılığını yitirmesi sık görülür ve bu bir hata değil, bulgudur: etkinin bir kısmı başka bir değişken üzerinden açıklanıyor olabilir. Tartışma bölümünde bu durumun nedenini alanyazınla birlikte ele almak beklenir.

Model kurulurken nelere dikkat edilir?

Yorum ancak model doğru kurulduysa anlamlıdır. Hakem ve jürilerin en sık sorduğu noktalar şunlardır:

• Olay sayısı: Peduzzi ve arkadaşlarının (1996) simülasyon çalışmasından bu yana, modele giren her bağımsız değişken için en az 10 olay (daha az görülen sonuç kategorisindeki kişi sayısı) bulunması önerilir. 40 komplikasyonlu hastayla 12 değişkenli bir model kurmak katsayıları kararsız hâle getirir. Bu kural sonraki çalışmalarda esnetilmiş olsa da hakemler hâlâ sıkça sorar; bu nedenle örneklem büyüklüğü planlama aşamasında düşünülmelidir. Gereken olay sayısını kabaca görmek için regresyon için örneklem büyüklüğü aracımızı kullanabilirsiniz.
• Çoklu doğrusal bağlantı: Birbiriyle yüksek ilişkili değişkenler (ör. kilo ve BKİ) aynı modele girerse güven aralıkları anormal genişler. VIF ve tolerans değerleri kontrol edilmelidir.
• Sürekli değişkenlerde doğrusallık: Model, sürekli değişkenle logit arasında doğrusal ilişki varsayar. Box–Tidwell testi ya da değişkeni kategorilere ayırma yoluyla kontrol edilebilir.
• Aşırı geniş güven aralıkları: OR = 14,7; %95 GA [1,2; 180,3] gibi bir sonuç genellikle küçük hücre sayısına ya da ayrışma (separation) sorununa işaret eder; yorumlamadan önce çapraz tabloya bakın.
• Değişken seçimi: Yalnızca istatistiksel anlamlılığa dayanan otomatik yöntemler (ileri/geri adımsal) yerine kuramsal gerekçeyle değişken seçmek ve bunu yöntem bölümünde açıklamak daha savunulabilirdir.

Lojistik regresyon sonuçları tezde nasıl raporlanır?

APA 7’ye göre istatistik değerler italik simgelerle, iki ondalık basamakla verilir; p değerleri tam olarak yazılır (p = 0,032; yalnızca 0,001’in altındaysa p < 0,001). Türkçe metinlerde ondalık ayırıcı olarak virgül kullanılır. Bulgular bölümünde model özeti metinde, katsayılar tabloda verilir. Kendi verinizle odds oranını ve güven aralığını hızlıca kontrol etmek için odds oranı hesaplama aracımızı kullanabilirsiniz.

Metin içi örnek:

Komplikasyon gelişimini yordayan değişkenleri belirlemek için ikili lojistik regresyon analizi yapılmıştır. Model istatistiksel olarak anlamlıdır, χ²(4) = 38,46, p < 0,001, Nagelkerke R² = 0,27, ve vakaların %78,4’ünü doğru sınıflandırmıştır. Hosmer–Lemeshow testi modelin veriye uyduğunu göstermiştir, χ²(8) = 6,12, p = 0,634. Sigara kullanımı (OR = 2,41, %95 GA [1,52; 3,83], p < 0,001) ve yaş (OR = 1,04, %95 GA [1,01; 1,07], p = 0,008) komplikasyon odds’unu artırırken düzenli egzersiz azaltmıştır (OR = 0,62, %95 GA [0,41; 0,94], p = 0,024).

Tablo örneği (Tablo 5. Komplikasyon gelişimini yordayan değişkenler):

Not. Tablodaki değerler örnek amaçlıdır. Tablo altında bağımlı değişkenin kodlaması (ör. 1 = komplikasyon var) ve modele giriş yöntemi belirtilmelidir.

Ham ve düzeltilmiş OR’leri aynı tabloda yan yana vermek, özellikle sağlık bilimlerinde okurun iki aşamayı tek bakışta karşılaştırmasını sağlar.

En çok nerede takılınıyor?

Lojistik regresyonda zaman kaybettiren konular genellikle analizin kendisi değil, öncesi ve sonrasıdır:

• Yanlış kodlama: Bağımlı değişken ters kodlandığında bütün odds oranları tersine döner (2,41 yerine 0,41 görülür) ve bulgular, tartışma bölümünün tamamı yanlış yönde yazılır. Bu hata çoğu zaman jüri düzeltmeleri ya da hakem aşamasında fark edilir.
• Referans kategorinin karışması: SPSS varsayılan olarak son kategoriyi referans alır. “İlkokul mezunu” yerine “üniversite mezunu” referans alındığında yorum cümleleri baştan kurulmak zorunda kalır.
• Yetersiz olay sayısı: Analiz bittikten sonra hakemin “olay/değişken oranı düşük” eleştirisi, modelin sadeleştirilmesini ve sonuçların yeniden yazılmasını gerektirir.
• Model uyumunun raporlanmaması: Yalnızca katsayı tablosu verilen makalelerde hakemler sıkça Hosmer–Lemeshow, sınıflandırma başarısı ya da ROC eğrisi altındaki alan ister; bu da ek analiz ve hakem yorumlarına yanıt turu demektir.
• “Risk” dili: Odds oranını risk gibi yorumlamak, özellikle tıp dergilerinde istatistik hakeminin ilk işaretlediği noktalardandır.

Hangi durumda destek almak işinizi kolaylaştırır?

Odds oranları ve model uyumu yorumlanamadığında iş genellikle tıkanır. Şu durumlardan biri sizi tanımlıyorsa birlikte çalışmak süreci kısaltır:

• Çıktı elinizde ama Exp(B), güven aralığı ve Nagelkerke R² değerlerini bulgular metnine nasıl dökeceğinizi bilemiyorsunuz.
• Ham analizde anlamlı çıkan değişkenler çok değişkenli modelde kayboldu ve bunu nasıl açıklayacağınızdan emin değilsiniz.
• Danışmanınız ya da hakem model uyumu, olay sayısı veya değişken seçimi hakkında soru sordu ve yanıt süresi işliyor.
• Güven aralıkları anormal geniş çıkıyor ya da program uyarı veriyor ve modelin nerede bozulduğunu bulamıyorsunuz.

Biyoistatistik desteğinde süreç şöyle işler: Önce ücretsiz ön görüşmede verinizi, araştırma sorunuzu ve danışman ya da hakem notlarını birlikte inceleriz. Ardından kapsamı ve yol haritasını netleştiririz: hangi modelin kurulacağı, hangi değişkenlerin gireceği, hangi tabloların hazırlanacağı. Analiz ve raporlama adımlarını sizinle birlikte, her aşamada gerekçesini açıklayarak yürütürüz. Son olarak çıktıları ve yorum metnini Zoom’da birlikte değerlendiririz; jüri ya da hakem sorularına hazırlıklı olursunuz. Ayrıntılar için biyoistatistik danışmanlığı sayfasına, çalışma ilkelerimiz için Etik Çerçevemiz sayfasına bakabilirsiniz. SPSS ile yürüyen tezler için SPSS veri analizi sayfası da yol gösterir.

WhatsApp’tan ücretsiz ön görüşme

Sık sorulan sorular

Ücret ve süre neye göre belirlenir?

Örneklem büyüklüğü, değişken sayısı, kurulacak model sayısı (ham + düzeltilmiş, alt grup analizleri), istenen tablolar ve yorum metninin kapsamı belirleyicidir. Ön görüşmede bu bilgileri görüp size net bir kapsam sunarız.

Verilerim ve çalışmam gizli kalır mı?

Evet. Veri dosyalarınız ve çalışmanıza ait bilgiler yalnızca birlikte yürüttüğümüz iş için kullanılır ve üçüncü kişilerle paylaşılmaz. Ayrıntılar KVKK Aydınlatma Metni sayfasında yer alır.

Süreç tamamen online mı yürüyor?

Evet. Dosya paylaşımı, ara değerlendirmeler ve son değerlendirme toplantısı online yapılır; bulunduğunuz şehirden bağımsız çalışabiliriz.

Danışmanımdan ya da hakemden yeni bir istek gelirse ne oluyor?

Gelen notları birlikte okuyup hangi analizin ya da metin değişikliğinin gerektiğini belirleriz; ek analizleri yapıp yanıt metnini gerekçeleriyle hazırlarız.

Kaynaklar

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). Wiley. https://doi.org/10.1002/9781118548387
• Peduzzi, P., Concato, J., Kemper, E., Holford, T. R., & Feinstein, A. R. (1996). A simulation study of the number of events per variable in logistic regression analysis. Journal of Clinical Epidemiology, 49(12), 1373–1379. https://doi.org/10.1016/S0895-4356(96)00236-3
• Peng, C.-Y. J., Lee, K. L., & Ingersoll, G. M. (2002). An introduction to logistic regression analysis and reporting. The Journal of Educational Research, 96(1), 3–14. https://doi.org/10.1080/00220670209598786
• Sperandei, S. (2014). Understanding logistic regression analysis. Biochemia Medica, 24(1), 12–18. https://doi.org/10.11613/BM.2014.003