Re: 多項ロジスティック回帰の出力解釈モデルを一連の式として保存しようとしましたか?
Re: 多項ロジスティック回帰の出力解釈はい、Save Probability Formula オプションを使用しました。これで対数オッズを取得できました。 ただし、パラメーター推定値からの対数オッズに関連付けられた p 値が必要です。
Re: 多項ロジスティック回帰の出力解釈質問を再構成してみます。 2 つまたは 3 つの水準効果と交互作用がある場合、パラメーター推定表を分解するのに助けが必要です。 たとえば、Term 列にはツールの深さ (30 mm) と有意な p 値があります。 これは、30 mm の深さを含む 3 つの速度のすべてが、Disturbed/Undisturbed スコアリングの 3 つの速度すべてを含む 10 mm の深さと比較した場合、有意に異なることを意味しますか? さらに、Term 列には、ツールの深さ 30 mm*速度 1.1 m/s が重要性を示しています。 これは、速度 1.1 m/s での工具深さ 30 mm は、工具深さ 10 mm で速度 0.89 とは大きく異なることを意味しますか? m/s 乱れた/乱れのない採点? このテーブルを示す写真を添付しました。
Re: 多項ロジスティック回帰の出力解釈いいえ。 パラメータ推定値テーブルは、真のパラメータがゼロに等しいという帰無仮説に対して各推定値をテストします。 それだけです。
これらの効果の意味を解釈するために、他の情報を使用することもできます。 たとえば、予測プロファイラーを使用すると、設定を変更して、応答レベルごとに更新された予測確率を確認できます。 あなたのような例はありません。 私は Big Class を使用し、公称応答 Age を連続 Weight および Height 予測子に当てはめました。 このモデルのプロファイラーは次のとおりです。
確率式を保存することもできます。 JMPは、線形予測変数、変換された確率、および与えられた確率の最も可能性の高い水準を保存します。 対数オッズの線形予測子のグループを次に示します。
最初の線形予測子の式は次のとおりです。
数値はパラメータ推定値です。 数式列の次のグループは、対数オッズを確率に変換します。
最初の確率変換の式は次のとおりです。
最後に、予測された応答レベルは、確率が最も高い応答レベルです。
Re: 多項ロジスティック回帰の出力解釈わかりました、パラメーター推定値がどのように使用されているかがわかります。 これで、方程式がどこから来たのかがわかりました。 これは非常に役立ちます。ありがとうございます。 プロファイラーでもさらに詳しく調べます。
多項ロジスティック回帰出力の解釈JMP Pro 16.0.0 を搭載した Mac コンピュータを使用しています。
完全実施要因計画で 3 つのツール深さと 3 つのツール速度をテストした実験があります。 私の応答変数は、人工雑草の妨害レベルのスコア カテゴリです。 カテゴリには、根こそぎにされる、妨害される、埋もれる、部分的に妨害される、および妨害されないというものがあります。 このデータを分析するために、JMP の多項ロジスティック回帰を使用しています。 私の適合モデルは次のとおりです。応答変数としてスコア カテゴリを使用し、固定効果としてツール深度、速度、およびツール深さ*速度を使用します。 尤度比検定が主効果と交互作用の両方に対して有意であることがわかります。 私の質問は、パラメーター推定の出力を理解することについてです。 Lin[根こそぎにされた]、Lin[妨害された]などは分割表から計算できますが、パラメーター推定値からは計算できません。
テストで何を言われているかを理解するには、パラメータ推定テーブルから p 値を文に入れる方法と、同じテーブルから対数オッズを計算する方法を理解する必要があります。 理解を深めるために、以下にデータセットを添付しました。
データの探索と視覚化マックOS
