ロジスティック回帰の標準ベータロジスティック回帰モデルの効果の強さを比較したいと思います。最小二乗モデルでは、標準化されたベータ係数を表示して比較できます。これはロジスティックモデルで実行できますか？（「列」オプションにオプションが表示されません）。または、モデル内の各用語の効果の強さを比較する別の方法はありますか？
ありがとう
フィッシュガイ
分析他のRe：ロジスティック回帰の標準ベータまことにありがとうございます！
Re：ロジスティック回帰の標準ベータカテゴリ変数は常にコード化されているため、必要ありません。 ヘルプを見るこことここ詳細については。
Re：ロジスティック回帰の標準ベータ返信いただきありがとうございます！したがって、私のモデルには、連続的な予測子とバイナリのいくつかの予測子が混在しています。モデル内のすべての予測変数を標準化しますか？
再度、感謝します：）
Re：ロジスティック回帰の標準ベータFit Least Squaresのこのコマンドは便利ですが、実行しているのは連続予測子の中央揃えとスケーリングだけです。 列の数式を使用して、同じことを自分で実行できます。 行うのは簡単です：
- データテーブルの予測列を選択します。
- それらの1つのヘッダーを右クリックします。
- [新しい列の式]>[分布]>[標準化]を選択します。
[モデルのフィット]ダイアログでモデリングを設定するときに、元の列の代わりにこれらの列を使用するようになりました。 サンプルデータフォルダーのFitnessデータテーブルを使用して、MaxPulseを介してモデルOxyとAgeを適合させます。 予測子の標準化されたバージョンを作成し、それらを2番目の近似の線形予測子に使用しました。 パラメータ推定値をそれぞれのデータテーブルとしてエクスポートし、それらを連結して、一緒に調べることができるようにしました。 結果は次のとおりです。
p値が2つの近似間で同一であることに注意してください。 次に、重要性がより明確な推定値をプロットしました。
元の予測子を使用する場合、ランタイムのみが重要であるように見えました。 標準化された予測子を使用する場合、Runtime、RunPulse、およびMaxPulseが重要であるように思われます。
もちろん、どちらのモデルも同じ予測を生成します。
別の手法が予測プロファイラーに組み込まれており、目的に役立つ可能性があります。変数の重要性。
