로지스틱 회귀 분석 예제에 대한 혼란<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />안녕 모두
SAS 및 고급 통계에 익숙하지 않고 로지스틱 회귀 분석 결과를 이해하는 데 문제가 있습니다.
나는 취업 면접을 위해이 일을하고 있으므로 필사적으로 조언을 절실히 필요로한다.
플레이 오프 예선에 대한 NFL 추세를 분석하고 있습니다.
Combined EPA라는 통계는 NFL 플레이 오프 예선과 크게 관련이있을 것으로 기대합니다.
X 축에서 Y 축 및 결합 EPA를 정규화하면 다음과 같은 결과가 나타납니다.
이것은 Combined EPA가 자격 부여 증가의 확률을 증가 시킴에 따라 내 가설의 반대이다.
그러나 나는 축을 전환 한 그래프를 그렸으며 다음과 같은 결과를 얻었다.
분명히이 그래프에서 자격을 얻은 팀은 합친 EPA가 평균보다 높았고 자격이없는 팀이 평균보다 많았습니다.
이 두 그래프가 주어지면 제 1의 그래프에서 자격 미달과 더 높은 결합 EPA 사이의 상관 관계를 설명해 줄 수 있습니까?
도움을 주셔서 미리 감사드립니다.
D 스콧
다시 : 회귀 회귀 분석 예제를 통해 혼란안녕하세요 석사
도움을 주셔서 감사합니다. 이제 완벽하게 이해됩니다.
나는 결국 작업을 마쳤습니다. 이제는 물류 회귀 도구를 사용할 수있어서 기쁩니다.
문안 인사
DScott
다시 : 회귀 회귀 분석 예제를 통해 혼란커브를 보는 또 다른 방법은 프로파일 러를 사용하는 것입니다. 이것은 커브의 의미를 더욱 분명하게 만듭니다.
데이브
다시 : 회귀 회귀 분석 예제를 통해 혼란두 플롯은 호환됩니다. 첫 번째 플롯에서 모든 "예"는 줄 위에 배치되고 "모두"는 줄 아래에 배치됩니다. 선은 "아니오"에 대한 예측 확률입니다. 그래서 EPA = 0에서 약 70 %는 자격이 없을 것으로 예상됩니다. 300시에 거의 모든 사람이 자격을 얻습니다.
JMP는 기본적으로 알파벳 순서로 범주를 사용합니다. 반전 곡선을 선호하는 경우 EPA 열의 값 정렬 속성에서 역순을 설정하십시오.
