Linear ولا Logistic Regression — سؤال بيتحدد بكلمة واحدة بس | Naggar | نجار

في غلطة واحدة إحصائية بشوفها أكتر من أي غلطة تانية في رسائل الماجستير.

استخدام الـ Linear Regression مع Outcome ثنائي.

يعني الـ outcome هو "مريض أم لا" أو "مات أم عاش" — والطالب بيستخدم linear regression لأنه الأسهل في التشغيل.

أنا نفسي في أول بحث ليا كنت بعمل نفس الغلطة. محدش وقفلي وشرحلي ليه ده خطأ.

الكلمة الواحدة اللي بتحدد نوع الـ regression: طبيعة الـ Outcome.

أولاً: الـ Linear Regression — للـ Outcomes الـ Continuous

لما الـ outcome رقم مستمر بدون حد:

• ضغط الدم
• مستوى الكوليسترول
• وزن الجنين عند الولادة
• درجة الحرارة

الـ linear regression بيفترض إن العلاقة خطية — وبيخرج بـ coefficient بيقولك "لكل وحدة زيادة في X، Y بيزيد أو بينقص بمقدار كذا."

ثانياً: الـ Logistic Regression — للـ Outcomes الـ Binary

لما الـ outcome نتيجتين بس:

• مريض / سليم
• نجح / رسب
• مات / عاش
• جه المرض / ما جاش

الـ logistic regression بيخرج بـ Odds Ratio — مش coefficient خطي.

ليه مش نستخدم linear مع binary outcome؟

لأن الـ linear regression ممكن يتنبأ بقيم أكبر من 1 أو أقل من 0 — وده مش منطقي لو الـ outcome هو احتمال. تخيل معايا إن موديلك بيتنبأ بـ "احتمال الإصابة = -0.3" أو "= 1.4". ده مش بيتفسر.

ثالثاً: أنواع تانية محتاج تعرفها

Ordinal Logistic Regression

لما الـ outcome فيه ترتيب: خفيف / متوسط / شديد

Multinomial Logistic Regression

لما الـ outcome أكتر من فئتين بدون ترتيب: نوع السرطان A أو B أو C

Poisson Regression

لما الـ outcome هو عدد أحداث (count data): عدد النوبات في الشهر

Cox Regression

لما بتدرس الوقت لحين حدوث حاجة: الوقت لحين الوفاة أو الانتكاسة

السؤال القاطع قبل أي regression

"هل الـ outcome بتاعي رقم مستمر؟"

لو نعم → Linear Regression

لو لأ → أنهي نوع categorical؟ → Logistic / Ordinal / Multinomial / Poisson / Cox

الإجابة على السؤال ده بتحدد كل حاجة.

طيب إيه اللي المفروض تعمله دلوقتي؟

افتح التحليل بتاعك وشوف الـ outcome. هل هو فعلاً continuous؟

لو كتبت "نعم/لأ" أو "حدث/ما حدثش" — ومستخدم linear regression — ارجع غيّر.

مش عيب. العيب إنك تعرف وما تغيرش.