如何解释二项逻辑回归的逆预测结果你好 - 我正在尝试解释二项逻辑回归的“逆预测”结果。
以下是我的结果……如您所见，我选择了三种不同的概率进行评估（50%、80% 和 90%），所有概率的置信度均为 95%。我试图根据我观察到的数据确定该模型预测预期结果的能力。
提前致谢！
基础数据分析与建模数据探索与可视化分享和交流结果回复：我如何解释二项逻辑回归的逆向预测结果更新：我意识到我需要更改值的顺序。当我这样做时，它现在似乎是有道理的。再次感谢ih！
回复：我如何解释二项逻辑回归的逆向预测结果更新：我意识到我没有改变我的价值观的顺序。当我这样做时，它似乎是有道理的。再次感谢！
回复：我如何解释二项逻辑回归的逆向预测结果嗨戴尔 - 非常感谢您的回复。正如我几分钟前回复 ih 时，虽然我了解逆向预测是什么以及它的作用，但我不确定如何解读我得到的结果的含义，因为它们似乎与我的原始数据不一致（意味着我误解了一些东西）。我刚刚针对此 JMP 讨论组响应再次运行了逆向预测，为了证明我的问题，这次我使用“above 235”（即如果 ecoli > 235，我的“above 235”列等于 1，否则等于 0）这是名义上的因变量.... vs ....浊度（连续自变量）。然后我以 95% 的置信度和 90% 的概率（单尾，上 95%）运行逆向预测。其产生的浊度值为 5.3。也就是说，如果浊度 > 5.3，我有 95% 的把握认为我的 90% 的生态菌液会高于 235。但是，我的原始数据表明这是大错特错的，因为只有 71% 的生态菌液（149 个中的 106 个）是当浊度 > 5.3 时高于 235。我原以为当浊度 > 5.3 时，将近 90% 的 ecoli 实例（149 个中的约 134 个）会高于 235。我错过了什么吗？
回复：我如何解释二项逻辑回归的逆向预测结果谢谢我。我会继续试探。虽然我了解逆向预测是什么以及它的作用，但我不确定如何解读我得到的结果的含义，因为它们似乎与我的原始数据不一致（这意味着我误解了某些东西）。我刚刚针对此 JMP 讨论组响应再次运行了逆向预测，为了证明我的问题，这次我使用“above 235”（即如果 ecoli > 235，我的“above 235”列等于 1，否则等于 0）这是名义上的因变量.... vs ....浊度（连续自变量）。然后我以 95% 的置信度和 90% 的概率（单尾，上 95%）运行逆向预测。其产生的浊度值为 5.3。也就是说，如果浊度 > 5.3，我有 95% 的把握认为我的 90% 的生态菌液会高于 235。但是，我的原始数据表明这是大错特错的，因为只有 71% 的生态菌液（149 个中的 106 个）是当浊度 > 5.3 时高于 235。我原以为当浊度 > 5.3 时，将近 90% 的 ecoli 实例（149 个中的约 134 个）会高于 235。我错过了什么吗？
回复：我如何解释二项逻辑回归的逆向预测结果我对你的问题有点困惑。我不认为逆向预测是一种查看模型与数据拟合程度的方法——模型拟合结果中有相关信息。如果您正在尝试解释逆向预测，在我看来，狭窄的置信区间表明您的模型为与低于 235 的概率相关的 x 变量提供了相当精确的置信区间。由于 x 变量是对数，因此要解释数字上的实际置信区间将涉及将这些对数值转换为值（通过求幂）。我还会注意图表极端附近的逆向预测 - 根据您的数据，您指定的概率很容易涉及 x 变量的不切实际的值。例如，当我有高度不平衡的数据（要预测的少数类）时，高概率通常与 x 变量的负值相关联（这对于我正在处理的数据来说通常是不可能的）。
回复：我如何解释二项逻辑回归的逆向预测结果在 JMP 的“帮助”菜单下，您会找到文档库。尝试在那里搜索“逆向预测”。 您应该找到一个名为“使用逆向预测选项进行逆向预测的示例”的部分，最后一段给出了一个与您的结果非常相似的解释结果的示例。
