用於建立連續解釋變數與分類結果變數之間的關係模型。可用來估計解釋變數取不同值時事件發生的機率。
使用擬合 Y 對 X 的邏輯迴歸
- 從開啟的 JMP ®資料表中，選擇「分析」>「以 X 擬合 Y」 。
- 從「選擇列」點選分類變量，然後按一下「Y，回應」 （名目變數以紅色條表示，有序變數以綠色條表示）。
- 按一下連續變量，然後按一下X，因子（連續變數帶有藍色三角形）。按一下“確定” 。
預設情況下，JMP 將提供以下結果：
- 邏輯圖，圖中顯示了累積預測（擬合）機率的曲線。
- 對整個模型進行顯著性檢定。
- 包括擬合模型的參數估計值等。
Car Poll.jmp (Help > Sample Data Folder)汽車調查.jmp（幫助 > 範例資料資料夾）
注意：預設輸出可透過「首選項」（檔案 > 首選項）進行變更。
- 當反應變數為名目變數時，將擬合名目邏輯迴歸模型。當反應變數為有序變數時（如本例所示），將擬合有序邏輯迴歸模型。
- 若要為點著色並新增圖例，請在圖表中按滑鼠右鍵，然後選擇「行」>「行圖例」 。
- 若要儲存機率公式或請求其他選項，請點擊頂部的紅色三角形並選擇該選項。
- 若要找到給定 X 值的擬合機率，請選擇十字線工具（
從工具列中點選圖表，拖曳十字遊標到曲線上的所需點。
解釋（在本例中，X = 購買年齡，Y = 汽車尺寸）：
• 底部曲線表示預測給定年齡層的人購買大型汽車的機率。
• 第二條曲線表示某人購買大型或中型汽車的機率。
• 兩條曲線之間的距離代表某人購買中型汽車的機率。
• 1.00 與頂部曲線之間的距離表示某人購買小型汽車的機率。
• 十字線顯示，39 歲的人購買大型汽車的預測機率為 0.191。
註：也可以透過「分析」>「擬合模型」執行簡單的名目邏輯迴歸和有序邏輯迴歸。
造訪JMP幫助中的「基本分析」>「邏輯分析」以了解更多資訊。
視訊音訊轉錄
在本影片中，我們將探討一種進行簡單邏輯迴歸的方法。邏輯迴歸可用於預測事件或現象發生的機率。
我正在使用範例資料目錄中的 Car Poll 範例資料集來啟動我們的邏輯回歸。我們將分析「擬合 Y 對 X」。 「擬合 Y 對 X」是一個上下文相關的平台，分析運行的類型將取決於我們為 Y 響應（即我們試圖預測的值）提供的變數類型。
這裡我將使用一個有序變數「尺寸」作為預測變數。我將使用受訪者的年齡作為預測變數。點擊「確定」後，JMP 將產生有序邏輯迴歸模型。如果我們的 Y 變數只有兩個級別，JMP 將產生名目邏輯迴歸模型。預設情況下，JMP 會提供邏輯迴歸圖、完整模型檢定和參數估計。邏輯迴歸圖顯示了根據預測變數「年齡」預測的擁有大型、中型或小型汽車的機率。在本例中，下方的曲線顯示了根據受訪者年齡預測的擁有大型汽車的機率。上方的曲線顯示了根據受訪者年齡預測的擁有中型或大型汽車的機率。
這裡的個體觀測值在其空間內進行了隨機抖動。例如，第 256 行中的這個人，在 Y 軸上沒有對應的值。這個人表示他駕駛的是中型車，因此被歸類在中型車類別。這種隨機抖動是為了更準確地反映屬於特定類別的個體比例。要給資料點著色，我們可以右鍵單擊並選擇“行圖例”。這裡，我選擇“汽車尺寸”作為行圖例，然後按一下“確定”。 JMP 將根據汽車尺寸為數據點著色。要查看年齡是否能預測汽車尺寸的統計結果，我們可以向下捲動到參數估計部分，查看年齡的參數估計值。這裡我們可以看到，年齡對個體所屬類別有顯著的統計影響。
