連続的な説明変数とカテゴリカルな結果変数の関係をモデル化するために使用します。説明変数の異なる値における事象の発生確率を推定するのに役立ちます。
YとXの適合度を用いたロジスティック回帰
- 開いている JMP ®データ テーブルから、 [分析] > [Y と X の関連づけ]を選択します。
- [列の選択]からカテゴリ変数をクリックし、 [Y、応答]をクリックします (名目変数には赤いバー、順序変数には緑のバーが表示されます)。
- 連続変数をクリックし、 「X」、「因子」をクリックします（連続変数には青い三角形が表示されます）。 「OK」をクリックします。
デフォルトでは、JMP は次の結果を提供します。
- 累積予測（適合）確率の曲線を示すロジスティック プロット。
- モデルの有意性を確認するためのモデル全体のテスト。
- 適合モデルのパラメータ推定値など。
Car Poll.jmp (Help > Sample Data Folder)Car Poll.jmp (ヘルプ > サンプルデータフォルダ)
注: デフォルトの出力は環境設定（ファイル > 環境設定）で変更できます。
- 応答が名義尺度の場合、名義ロジスティックモデルが適合されます。この例のように、応答が順序尺度の場合、順序ロジスティックモデルが適合されます。
- ポイントに色を付け、凡例を追加するには、グラフを右クリックし、 [行] > [行の凡例]を選択します。
- 確率の式を保存したり、他のオプションを要求したりするには、上部の赤い三角形をクリックしてオプションを選択します。
- 与えられたXの値に適合した確率を見つけるには、十字線ツール（
）を選択します。グラフ上で十字線をクリックし、曲線上の目的の点までドラッグします。
解釈（この例では、X = 購入年齢、Y = 車のサイズ）：
• 下の曲線は、特定の年齢の人が大型車を購入すると予測される確率を表しています。
• 2 番目の曲線は、誰かが大型車または中型車を購入する確率を表しています。
• 2 つの曲線間の距離は、誰かが中型車を購入する確率を表します。
• 1.00 と上の曲線の間の距離は、誰かが小型車を購入する確率を表します。
• 十字線は、39 歳の人が大型車を購入すると予測される確率が 0.191 であることを示しています。
注: 単純名義ロジスティック回帰と順序ロジスティック回帰は、 [分析] > [モデルの適合]からも実行できます。
詳細については、 JMPヘルプの「基本分析」>「ロジスティック分析」を参照してください。
ビデオの音声転写
このビデオでは、単純ロジスティック回帰を実行するための一つの手法を紹介します。ロジスティック回帰は、発生またはイベントの確率を予測するのに役立ちます。
サンプルデータディレクトリにあるCar Pollのサンプルデータセットを使用して、ロジスティック回帰分析を開始します。Fit Y by X分析を実行します。Fit Y by Xはコンテキスト依存のプラットフォームであり、実行する分析の種類は、予測対象となるY応答に指定する変数の種類によって異なります。
ここでは順序変数「サイズ」を予測変数として使用します。また、調査対象者の年齢を使用します。「OK」をクリックすると、JMPは順序ロジスティック回帰分析を実行します。Y変数が2水準のみの場合、JMPは名義ロジスティック回帰分析を実行します。JMPはデフォルトで、ロジスティックプロット、モデル全体検定、パラメータ推定値を提供します。ロジスティックプロットは、予測変数の年齢に基づいて、大型車、中型車、小型車のいずれかのカテゴリーに該当する予測確率を示します。この場合、下の線は、個人の年齢に基づいて大型車を所有する予測確率を示しています。上の線は、年齢に基づいて中型車または大型車を所有する予測確率を示しています。
ここでは、個々の観測値が空間内でジッタリングされています。例えば、行256のこの人物はY軸に値がありません。この人物は中型の車を運転していることを示しているため、中型のセクションに配置されています。このジッタリングは、特定のカテゴリに該当する個人の割合を適切に把握できるようにするために行われます。ポイントに色を付けるには、右クリックして行の凡例を選択します。ここでは、行の凡例として「車のサイズ」を選択し、「OK」をクリックします。JMPは車のサイズに基づいてポイントに色を付けます。年齢が車のサイズを予測できるかどうかの統計結果を得るには、パラメータ推定値セクションまでスクロールダウンし、年齢のパラメータ推定値を確認します。ここでは、年齢が個人のカテゴリメンバーシップに統計的に有意な影響を与えていることがわかります。
