Evaluation of obesity risk factors using logistic regression and artificial neural networks

Abstract

Bu çalışmada yanıt değişkeninin iki kategorili olduğu durumda, gözlemlerin sınıflandırılmasında yaygın olarak kullanılan iki temel teknik olan logistic regression ve yapay sinir ağları incelenmiştir. İzmir ili Gaziemir ilçesinde bulunan Anadolu lisesi ve düz lise statüsündeki 3 lisenin 12 nci sınıf öğrencilerinin yanıtladığı obezite anket formu verileri, MATLAB programı kullanılarak analiz edilmiş ve her iki tekniğin sonuç çıktısını tahminleme yeterlilikleri değerlendirilmiştir. Logistic regresyon modeli katsayı değerleri en çok olabilirlik yöntemi kullanılarak belirlenmiştir. Obezite anket formu verilerine göre her bir obezite risk faktörünün yanıt değişkeni ile ilişkisinin istatistiksel olarak anlamlı olup olmadığı tek değişkenli analiz tekniği ile belirlenmiştir. Çok katmanlı ileri sürümlü yapay sinir ağında, bağlantı ağırlıklarının sonuç çıktısına göre ayarlanmasında öğrenme kuralı olarak geriye yayılım öğrenme algoritması kullanılmıştır. In this study, two widely used techniques in a situation where outcome variable is dichotomous, while classifying observations, logistic regression and artificial neural network are examined. The data from obesity survey which is answered by 12th graders of the Anatolian and State high schools in the province of Gaziemir, İzmir is analyzed by using MATLAB, and of the considered methods the predictive abilities are evaluated. The logistic regression coefficients have been determined by using maximum likelihood method. According to the data from obesity survey, whether each relation between obesity risk factor and the outcome variable is significant or not has been determined by using univariate analysis. In the feed forward neural network, for adjusting connection weights, a backpropogation learning rule has been used.