Re: 다항 로지스틱 회귀 결과 해석모델을 일련의 수식으로 저장하려고 했습니까?
Re: 다항 로지스틱 회귀 결과 해석예, 확률 공식 저장 옵션을 사용했고 여기에서 내 로그 배당률을 얻을 수 있습니다. 그러나 Parameter Estimates의 로그 배당률과 관련된 p-값을 원합니다.
Re: 다항 로지스틱 회귀 결과 해석나는 내 질문을 재구성하려고 노력할 것입니다. 두세 가지 수준의 효과와 상호작용이 있을 때 매개변수 추정 테이블을 분석하는 데 도움이 필요합니다. 예를 들어 용어 열에는 도구 깊이(30mm)와 중요한 p-값이 있습니다. 30mm 깊이를 포함하는 3가지 속도 모두 방해/방해 채점을 위한 3가지 속도를 모두 포함하는 10mm 깊이와 비교할 때 크게 다른가요? 또한 Term 열에는 의미를 나타내는 공구 깊이 30mm*속도 1.1m/s가 있습니다. 이것은 1.1m/s의 속도에서 공구 깊이 30mm가 공구 깊이 10mm 및 속도 0.89와 크게 다르다는 것을 의미합니까? 방해 받음/방해받지 않음 채점에 대한 m/s? 이 테이블을 보여주는 사진을 첨부했습니다.
Re: 다항 로지스틱 회귀 결과 해석아니요. 매개변수 추정치 테이블은 참 매개변수가 0이라는 귀무가설에 대해 각 추정치를 테스트합니다. 그것이 당신에게 말하는 전부입니다.
다른 정보를 사용하여 이러한 효과의 의미를 해석할 수 있습니다. 예를 들어 예측 프로파일러를 사용하면 설정을 변경하고 각 응답 수준에 대해 업데이트된 예측 확률을 볼 수 있습니다. 나는 당신과 같은 예가 없습니다. 저는 Big Class를 사용했고 연속적인 Weight 및 Height 예측 변수에 대해 명목 응답 연령을 맞췄습니다. 다음은 이 모델의 프로파일러입니다.
확률 공식을 저장할 수도 있습니다. JMP는 선형 예측 변수, 변환된 확률 및 확률이 주어진 가장 가능성 있는 수준을 저장합니다. 다음은 로그 확률에 대한 선형 예측 변수 그룹입니다.
첫 번째 선형 예측 변수에 대한 공식은 다음과 같습니다.
숫자는 모수 추정치입니다. 다음 수식 열 그룹은 로그 배당률을 다시 확률로 변환합니다.
첫 번째 확률 변환 공식은 다음과 같습니다.
마지막으로 예측 반응 수준은 확률이 가장 높은 반응 수준입니다.
Re: 다항 로지스틱 회귀 결과 해석좋습니다. 매개변수 추정치가 어떻게 사용되는지 알 수 있습니다. 이제 방정식의 출처를 이해합니다. 이것은 많은 도움이됩니다. 감사합니다. 감사합니다. 프로파일러에 대해서도 자세히 살펴보겠습니다.
다항 로지스틱 회귀 출력 해석JMP Pro 16.0.0이 설치된 Mac 컴퓨터를 사용하고 있습니다.
전체 요인 설계에서 세 가지 도구 깊이와 세 가지 도구 속도를 테스트한 실험이 있습니다. 내 반응 변수는 인공 잡초의 교란 수준에 대한 점수 범주입니다. 범주는 뿌리째 뽑힌, 교란된, 묻힌, 부분적으로 교란된, 교란되지 않은 상태입니다. 이 데이터를 분석하기 위해 JMP에서 다항 로지스틱 회귀를 사용하고 있습니다. 내 적합 모델은 내 반응 변수로 점수 범주이고 내 고정 효과로 도구 깊이, 속도 및 도구 깊이*속도가 있습니다. 우도비 테스트가 주효과와 상호작용 모두에 대해 유의미하다는 것을 알았습니다. 내 질문은 내 매개변수 추정 출력을 이해하는 것입니다. 내 Lin[uprooted], Lin[disturbed] 등을 분할표에서 계산할 수 있지만 모수 추정값에서는 계산할 수 없습니다.
내 매개변수 추정 테이블의 문장에 내 p-값을 입력하는 방법과 동일한 테이블에서 내 로그 배당률을 계산하는 방법을 이해해야 테스트에서 말하는 내용을 이해할 수 있습니다. 이해를 돕기 위해 아래에 내 데이터 세트를 첨부했습니다.
데이터 탐색 및 시각화맥 OS
