Ce modèle permet d'analyser la relation entre une variable explicative continue et une variable de résultat catégorielle. Il est utile pour estimer la probabilité d'occurrence d'un événement pour différentes valeurs de la variable explicative.
Régression logistique utilisant l'ajustement de Y par X
- À partir d'un tableau de données JMP ® ouvert, sélectionnez Analyser > Ajuster Y par X.
- Cliquez sur une variable catégorielle dans Sélectionner les colonnes , puis cliquez sur Y, Réponse (les variables nominales ont des barres rouges, les variables ordinales ont des barres vertes).
- Cliquez sur une variable continue, puis sur X, Facteur (les variables continues sont représentées par des triangles bleus). Cliquez sur D'ACCORD .
Par défaut, JMP fournira les résultats suivants :
- Le graphique logistique, avec des courbes de probabilités cumulées prédites (ajustées).
- Test complet du modèle pour la signification du modèle.
- Estimation des paramètres du modèle ajusté, entre autres.
Car Poll.jmp (Help > Sample Data Folder)Sondage automobile.jmp (Aide > Dossier de données d'exemple)
Remarque : le format de sortie par défaut peut être modifié via les Préférences ( Fichier > Préférences ).
- Lorsque la réponse est nominale, un modèle logistique nominal sera ajusté. Lorsque la réponse est ordinale, comme dans cet exemple, un modèle logistique ordinal sera ajusté.
- Pour colorer les points et ajouter une légende, cliquez avec le bouton droit sur le graphique et sélectionnez Lignes > Légende des lignes .
- Pour enregistrer la formule de probabilité ou demander d'autres options, cliquez sur le triangle rouge en haut et sélectionnez l'option.
- Pour trouver la probabilité ajustée pour une valeur donnée de X, sélectionnez l'outil réticule (
) depuis la barre d'outils. Cliquez sur le graphique en faisant glisser le réticule jusqu'au point souhaité sur la courbe.
Interprétation (dans cet exemple, X = âge d'achat et Y = taille de la voiture) :
• La courbe inférieure représente la probabilité prévue qu'à un âge donné, une personne achète une grosse voiture.
• La deuxième courbe représente la probabilité qu'une personne achète une voiture de grande ou moyenne taille.
• La distance entre les deux courbes représente la probabilité qu'une personne achète une voiture de taille moyenne.
• La distance entre 1,00 et la courbe supérieure représente la probabilité qu'une personne achète une petite voiture.
• Le réticule indique que la probabilité prévue qu'une personne âgée de 39 ans achète une grosse voiture est de 0,191.
Remarques : Une régression logistique nominale et ordinale simple peut également être effectuée à partir d'Analyser > Ajuster le modèle .
Consultez la section Analyse de base > Analyse logistique dans l'aide de JMP pour en savoir plus.
Transcription audio de la vidéo
Dans cette vidéo, nous allons explorer une méthode pour effectuer une régression logistique simple. La régression logistique est utile pour prédire la probabilité d'un événement.
J'utilise le jeu de données d'exemple « Car Poll », disponible dans le répertoire de données d'exemple, pour démarrer notre régression logistique. Nous allons effectuer une analyse avec l'outil « Fit Y by X ». « Fit Y by X » est une plateforme contextuelle ; le type d'analyse exécuté dépendra des types de variables que nous fournissons pour notre réponse Y, c'est-à-dire la variable que nous cherchons à prédire.
Je vais utiliser ici une variable ordinale, la taille, comme prédicteur. J'utiliserai l'âge des participants à l'enquête. En cliquant sur OK, JMP générera la régression logistique ordinale. Si notre variable Y n'avait que deux modalités, JMP aurait généré une régression logistique nominale. Par défaut, JMP affichera le graphique logistique, le test du modèle complet et les estimations des paramètres. Ce graphique illustre les probabilités prédites d'appartenir à l'une de nos catégories (grande, moyenne ou petite voiture) en fonction de notre prédicteur, l'âge. Dans ce cas, la courbe inférieure représente la probabilité prédite de posséder une grande voiture selon l'âge, tandis que la courbe supérieure représente la probabilité prédite de posséder une voiture moyenne ou grande.
Les observations individuelles sont ici réparties aléatoirement dans leur espace. Par exemple, la personne en ligne 256 n'a pas de valeur sur l'axe Y. Elle a indiqué conduire une voiture de taille moyenne et est donc placée dans la catégorie correspondante. Cette répartition aléatoire permet de visualiser la proportion d'individus appartenant à chaque catégorie. Pour colorer les points, faites un clic droit et sélectionnez « Légende de la ligne ». Ici, je choisis « Taille de la voiture » comme légende et je clique sur OK. JMP colorera les points en fonction de la taille des voitures. Pour consulter les résultats statistiques concernant l'influence de l'âge sur la taille de la voiture, rendez-vous dans la section « Estimation des paramètres » et examinez l'estimation du paramètre pour l'âge. On constate alors un effet statistiquement significatif de l'âge sur l'appartenance à une catégorie.
