Pour réaliser une régression logistique, il est nécessaire d'avoir un nombre suffisant de données.
En pratique, il est recommandé d'avoir au moins 10 fois plus d'événements que de paramètres dans le modèle.
En appliquant la fonction summary() nous voyons trois lignes, il y a donc 3 paramètres.
RC=exp(β1)=1,5068 >1 • Si l'âge augmente d'une unité, le risque de contracter la maladie augmente.
RC=exp(β2)=1,9558 >1 • Le risque de contracter la maladie est plus élevé si l'individu est fumeur.
Le résultat obtenu à une régression logistique se situera toujours entre 0 et 1.
Si la valeur est près de 0, la probabilité est faible que l'événement arrive, alors que si la valeur est près de 1, la probabilité est élevée.