フィットモデル出力（または予測プロファイラー）を範囲に制限する値に影響を与える3つの変数があります（0から1までの比率）。近似モデルプラットフォームを使用して一般化線形モデルを作成するアプローチをとると、大部分は機能する予測方程式が得られますが、特定の変数値を入力すると、0または1未満の予測が可能になります。見積もりは比率であると想定されているため、これは望ましくありません。
特定のタイプのデータのフォーマットまたは操作（対数変換など）を実行するか、Fit Modelプラットフォームで設定された一連の条件を実行することによって、これを制約できる方法はありますか？
ありがとうございました！
分析データ表Re：フィットモデル出力（または予測プロファイラー）を範囲に制限するこれらの2つのアプローチのいずれかを試すことができます。 それらは両方とも、応答Yのロジット変換に基づいています。 ロジットは、必要な制約の引数[0、1]を期待しますが、回帰に必要な応答[-無限大、無限大]を生成します。
このアプローチを説明するために、いくつかのデータをモックアップしました。
[モデルの適合]ダイアログの応答Yにロジット変換を適用します。 [分析]> [モデルの適合]を選択し、それぞれの分析ロールにデータ列を入力します。 Yロールの列を選択し、[変換]の横にある赤い三角形をクリックして、[ロジット]を選択します。
結果はおなじみのものになります。たとえば、プロファイラーを使用できますが、制約が適用されるはずです。
もう1つのアプローチは、一般化線形モデルを使用することです。 以前と同じように開始しますが、変換は適用しないでください。 代わりに、[パーソナリティ]をクリックして、[一般化線形モデル]を選択します。 [配布]をクリックして、[通常]を選択します。 [リンク]をクリックして、[ロジット]を選択します。
Re：フィットモデル出力（または予測プロファイラー）を範囲に制限するマークありがとう！それが私が探していたものです。フォローアップとして：
私のデータセットには、X1 X2とYと回答した回答者の割合があります。これは、複数の回答者がすべて異なるX1 X2の組み合わせを見て（たとえば、100人の回答者がそれぞれ10のX1 X2の組み合わせのセットを見て）、Yまたは他の何か（ NS）。
私の生データは、X1X2の組み合わせごとにいずれかのY / Xの応答を持っているため、名目ロジスティック機能を使用して、X1とX2の関数としてY / Xの確率をモデル化することもできます。これにより、予測式と混同行列が生成されます。
Y / X応答の生データを使用することが、Yの比率を使用する場合と比較して、良いアプローチか悪いアプローチかについて、何か洞察がありますか？私の目標は、X1とX2の新しい組み合わせで予測を行うときに、できるだけ正確で正確になることです。
Re：フィットモデル出力（または予測プロファイラー）を範囲に制限するある意味で、あなたの比率Y / Xはすでに確率です。 イベントの確率の最尤推定量は、イベントと非イベントの合計に対するイベントの割合です。
多くの人があなたの目的のためにロジスティック回帰を使用します。 生データはあなたが持っているようなカウントです。 応答はイベントまたは非ベントであり、二項分布でモデル化されます。 二項分布とロジットリンク関数を使用したロジスティック回帰または同等のGLMは、これらの問題に直接対処します。 このアプローチを検討しましたか？
Re：フィットモデル出力（または予測プロファイラー）を範囲に制限する私は以下を評価しました：
1. GLM（通常）集約データの比率を予測するロジット：AICc -57.2
2.生データのイベント/非イベントを予測するGLM（二項）ロジット：AICc 1907、非イベントの確率を示します
3.生データのイベント/非イベントを予測するための名目ロジスティック：AICc 1907は、イベントの確率と非イベントの確率、およびp（Event）またはp（Non）のどちらに基づく「最も可能性の高い」評価を提供します。 -イベント）が大きい
AICc値が低いほど、モデルが優れていることを示していることを読みました。バイナリ生データの使用に関して私が抱えている懸念の1つは、誤分類です（混同行列に基づくと、トレーニングセットにかなりの数の誤予測が見られます）。AICc値（〜1964）の違いは、オプション1が優れたアプローチであることを実質的に支持していると考えられますか？出力としての比率に完全に満足しています。
Re：フィットモデル出力（または予測プロファイラー）を範囲に制限する応答が変化した場合、AICcを比較することはできません。 一般的なフィッティングプロセスは、最適なY = F（p | X）を見つけることと考えてください。ここで、Fは、固定データXが与えられたパラメーターpを持つ関数です。 Fについては何でも変更でき、AICcとの違いを比較できますが、Yについては何も変更できません。
