Utilizzare per modellare la relazione tra una variabile esplicativa continua e una variabile di esito categoriale. Utile per stimare la probabilità di accadimento di un evento per diversi valori della variabile esplicativa.
Regressione logistica utilizzando l'adattamento Y per X
- Da una tabella dati JMP® aperta, selezionare Analizza > Adatta Y per X.
- Fare clic su una variabile categoriale da Seleziona colonne e fare clic su Y, Risposta (le variabili nominali hanno barre rosse, le variabili ordinali hanno barre verdi).
- Fare clic su una variabile continua e quindi su X, Fattore (le variabili continue hanno triangoli blu). Fare clic su OK .
Per impostazione predefinita, JMP fornirà i seguenti risultati:
- Il grafico logistico, con curve delle probabilità cumulative previste (adattate).
- L'intero test del modello per la significatività del modello.
- Stime dei parametri per il modello adattato, tra gli altri.
Car Poll.jmp (Help > Sample Data Folder)Car Poll.jmp (Aiuto > Cartella dati di esempio)
Nota: l'output predefinito può essere modificato tramite Preferenze ( File > Preferenze )
- Quando la risposta è nominale, verrà adattato un modello logistico nominale. Quando la risposta è ordinale, come in questo esempio, verrà adattato un modello logistico ordinale.
- Per colorare i punti e aggiungere una legenda, fare clic con il pulsante destro del mouse sul grafico e selezionare Righe > Legenda riga .
- Per salvare la formula di probabilità o richiedere altre opzioni, fare clic sul triangolo rosso in alto e selezionare l'opzione.
- Per trovare la probabilità adattata per un dato valore di X, selezionare lo strumento mirino (
) dalla barra degli strumenti. Fare clic sul grafico trascinando il mirino fino al punto desiderato sulla curva.
Interpretazione (in questo esempio, X = età di acquisto e Y = dimensione dell'auto):
• La curva inferiore rappresenta la probabilità prevista che, per una data età, qualcuno acquisterà un'auto di grandi dimensioni.
• La seconda curva rappresenta la probabilità che qualcuno acquisti un'auto di grandi o medie dimensioni.
• La distanza tra le due curve rappresenta la probabilità che qualcuno acquisti un'auto di medie dimensioni.
• La distanza tra 1,00 e la curva superiore rappresenta la probabilità che qualcuno acquisti un'auto di piccole dimensioni.
• Il mirino mostra che la probabilità prevista che una persona di 39 anni acquisti un'auto di grandi dimensioni è 0,191.
Note: la regressione logistica nominale e ordinale semplice può essere eseguita anche da Analizza > Adatta modello .
Per saperne di più, visita Analisi di base > Analisi logistica nella Guida di JMP .
Trascrizione audio del video
In questo video esploreremo un metodo per eseguire una regressione logistica semplice. La regressione logistica è utile per prevedere la probabilità di un evento o di un'occorrenza.
Per avviare la nostra regressione logistica, utilizzo il set di dati di esempio di Car Poll disponibile nella directory dei dati di esempio. Analizzeremo Fit Y per X. Fit Y per X è una piattaforma contestuale e il tipo di analisi eseguita dipenderà dai tipi di variabili che forniamo per la nostra risposta Y, che è ciò che stiamo cercando di prevedere.
Qui userò una variabile ordinale, la dimensione, come predittore. Userò l'età della persona nel sondaggio. Quando clicco su OK, JMP produrrà la regressione logistica ordinale. Se la nostra variabile Y avesse avuto solo due livelli, JMP avrebbe prodotto una regressione logistica nominale. Per impostazione predefinita, JMP fornirà il grafico logistico, il test dell'intero modello e le stime dei parametri. Il grafico logistico mostra le probabilità previste di rientrare in una delle nostre categorie, auto grande, media o piccola, in base all'età del nostro predittore. In questo caso, la linea inferiore mostra la probabilità prevista di possedere un'auto di grandi dimensioni in base all'età dell'individuo. La linea superiore mostra la probabilità prevista di possedere un'auto di medie o grandi dimensioni in base all'età.
Le singole osservazioni qui sono distorte all'interno del loro spazio. Questa persona, ad esempio, nella riga 256, non ha un valore sull'asse Y. Piuttosto, questa persona ha indicato di guidare un'auto di medie dimensioni, e quindi viene posizionata nella sezione media. Questo jittering viene eseguito per dare un'idea corretta della proporzione di individui che rientrano in una particolare categoria. Per colorare i nostri punti, possiamo fare clic con il pulsante destro del mouse e selezionare la legenda di riga. Qui, selezionerò la dimensione dell'auto come legenda di riga e cliccherò su OK. JMP colorerà i punti in base alla dimensione delle auto. Per risultati statistici sull'eventuale predittività dell'età per la dimensione dell'auto, possiamo scorrere fino alla sezione della stima dei parametri e osservare la stima dei parametri per l'età. Qui vediamo che abbiamo un effetto statisticamente significativo dell'età sull'appartenenza a una categoria di un individuo.
