切片のないロジスティック回帰を実行しているときに、切片のあるモデルよりも約25〜30ポイント高い、非常に高い一般的なRSquaresを観察した人はいますか？予測する0/1の結果変数を持ついくつかの異なるプロジェクトで、[切片なし]ボックスをチェックするロジスティック回帰（一般化、二項分散）を実行すると、一般化R二乗が約25または30パーセントポイント大幅に増加することに気付きました。私の最新のモデルは、経験期間の人口の約1.2％で観察されるまれなイベント用です。切片のある予測モデルは、約.60〜.67の一般化Rスクエアを生成しますが、切片のないモデルは、約.95〜.98です。私は非常に予測可能ないくつかの重要な変数を持っているので、最初は、90％を超えるGenRSquaresが妥当であるように思われたと思いました。しかし、混同行列は、しきい値を2％〜5％に下げても、私が望むよりも多くのエラーを示しています。インターセプト=0であるため、インターセプトなしは定数項のブラインド対数オッズ比を意味するという考えが好きです。たとえば、コインを弾くように、確率=0.50です。 しかし、おそらくこれらのモデルは打ち負かしやすく、（L0 =切片のみのモデル）と（X予測子を備えたLM適合モデル）の尤度比に依存する一般化決定係数を膨らませます。特に、結果イベントがまれであることを事前に（事前に）知っている場合。したがって、一般化されたRスクエアが約95％〜98％のブリーフを作成するのは素晴らしいことですが、Gen Rスクエアに60％で入ってくる切片を持つモデルを使用する方が、より賢明で実用的かもしれないと思います。 。何かアドバイスがあれば返信してください。ありがとう！
分析他のRe：切片なしでロジスティック回帰を実行しているときに、切片のあるモデルよりも約25〜30ポイント高い、非常に高い一般的なRSquaresを観察した人はいますか？いくつかの例で切片がある場合とない場合のモデルを比較し、常に反対の傾向を観察しました。モデルに切片項が含まれている場合、R二乗メトリックの方が優れていました。 報告した結果を再現できる場合は、JMPテクニカルサポートに連絡することをお勧めします（ support@jmp.com ）解決策を取得します。 コミュニティの利益のために彼らの調査結果をキャプチャするために、このディスカッションに返信してください。
Re：切片なしでロジスティック回帰を実行しているときに、切片のあるモデルよりも約25〜30ポイント高い、非常に高い一般的なRSquaresを観察した人はいますか？はい、今日はサンプルのJMPファイルをJMPサポートに送信しています。切片のないモデルの一般化RSquareは98％であり、切片のあるモデルの一般化RSquareは55％です。コミュニティを投稿し続けます。
Re：切片なしでロジスティック回帰を実行しているときに、切片のあるモデルよりも約25〜30ポイント高い、非常に高い一般的なRSquaresを観察した人はいますか？こんにちは、今朝、JMPサポートから詳細な回答を受け取りました。モデリングの際にJMPをより効率的に使用したり、まだ使用したことのないテクニックを試したりするのに役立つ多くの提案があります。（Patrick Giulianoからの）回答は、この記事とアドバイスを参照しています。「「多くのアプローチ」の重要性は、一般的で防御可能な解決策につながります。 Lavine、M.から 頻度主義者、ベイズ、またはその他？ （社説THE AMERICAN STATISTICIAN、2019、VOL。73、NO。51、1-19に要約されています）：1。 データによく適合する多くのモデルからの結果を探して提示します。 2.2。 手順だけでなく、モデルを評価します。」
基本的に、切片なしモデルの非常に高い一般化R二乗（〜98％）は、おそらく安定性の欠如を示していることを学びました。線形モデルを原点に強制的に通すには、仮定が強すぎたということです。おそらく、予測子の多重共線性によって作成されたモデリングの問題のいくつかを再検討する必要があります。有益な返信でした！匿名化されたデータとスクリプトを使用してJMPサポートに連絡できることを感謝します。どうもありがとう！
