ロジスティック回帰をめぐる混乱の例<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />こんにちは、みんな
私はSASと高度な統計学に不慣れで、ロジスティック回帰が私に示しているという結果を理解するのに問題を抱えています。
私は就職の面接のためにこの仕事をしています、そしてそれ故に必然的に迅速にいくつかのアドバイスが必要です。
私はプレーオフへの出場資格を得るためにNFLの傾向を分析しています
私はCombined EPAと呼ばれる統計がNFLプレーオフの資格と密接に関連していることを期待するでしょう。
Y軸で予選し、X軸で総合EPAを予選すると、次の結果が得られます。
これは、結合されたEPAが適格でない可能性を増加させるにつれて増加させることを意味するように思われるが、これは私の仮説の反対である
しかし、軸を切り替えてグラフをプロットしたところ、次のような結果が得られました。
このグラフから明らかに、資格のあるチームは、資格のないチームより平均コンバインドEPAが高くなっています。
これらの2つのグラフを考えると、誰かが1番目のグラフのNot qualifyingとより高いCombined EPAの間の相関関係を説明してもらえますか。
ご協力ありがとうございます
Dスコット
再：ロジスティック回帰をめぐる混乱の例こんにちはMS
援助をありがとう、それは今完全に理にかなっています。
私は最後に仕事を得ました、そして、ロジスティック回帰ツールを今使うことができてうれしいです。
よろしく
DScott
再：ロジスティック回帰をめぐる混乱の例曲線を見る別の方法はプロファイラーを使うことです。 これにより、曲線の意味がより明確になります。
デイブ
再：ロジスティック回帰をめぐる混乱の例2つのプロットは互換性があります。最初のプロットでは、すべての「はい」が線の上に配置され、すべての「いいえ」が線の下に配置されています。この線は、「いいえ」の予測確率です。そのため、EPA = 0では、約70％が適格ではないと予想されます。300で事実上すべてが資格を得るでしょう。
JMPはデフォルトでカテゴリのアルファベット順を使用します。逆曲線を使用する場合は、EPA列の値順序付けプロパティで逆の順序を設定してください。
