Régression logistique avec données en format large

Les deuxième et troisième approches pour ajuster des régressions logistiques exigent des données en format « large » :

      x fail success Total successProportion
    1 a   12       2    14         0.1428571
    2 b    3      11    14         0.7857143

Pour la deuxième approche, on modélise une matrice à 2 colonnes des réussites et des échecs (p. ex. le nombre de non et de oui par groupe).

Dans ce format, utilisez la formule cbind(success, fail) ~ predictor.

Pour la troisième approche, on modélise la probabilité de réussite (p. ex. le groupe 1 a eu 75 % de oui et le groupe 2 a eu 65 % de non) ainsi que la pondération ou le nombre d'observations par groupe (p. ex. il y avait 40 individus dans le groupe 1 et 100 individus dans le groupe 2). Dans cet exemple, successProportion = success / Total.

Dans ce format, on utilise la formule proportion of successes ~ response variable avec weights = number in treatment.