Ce modèle permet d'analyser la relation entre deux ou plusieurs variables explicatives continues ou catégorielles et une variable de résultat catégorielle. Il est utile pour estimer la probabilité d'occurrence d'un événement pour différentes valeurs des variables explicatives.
Régression logistique multiple utilisant un modèle ajusté
- À partir d'un tableau de données JMP ® ouvert, sélectionnez Analyser > Ajuster le modèle .
- Cliquez sur une variable catégorielle dans Sélectionner les colonnes , puis cliquez sur Y (les variables nominales ont des barres rouges, les variables ordinales ont des barres vertes).
- Choisissez les variables explicatives dans Sélectionner les colonnes , puis cliquez sur Ajouter .
- Cliquez sur « Exécuter le modèle » . Par défaut, JMP fournira les résultats suivants :
- Historique des itérations (non affiché).
- Test du modèle complet.
- Manque d'ajustement (non illustré).
- Estimation des paramètres du modèle.
- Tests du rapport de vraisemblance de l'effet (non présentés).
Conseils:
- Lorsque la réponse est ordinale, un modèle logistique ordinal sera ajusté. Lorsque la réponse est nominale, comme dans cet exemple, un modèle logistique nominal sera ajusté.
- Pour enregistrer les probabilités prévues dans le tableau de données, cliquez sur le triangle rouge en haut , puis sélectionnez Enregistrer la formule de probabilité .
- Pour ajuster un modèle pour des données groupées ou résumées, utilisez Fréquence dans la fenêtre Spécification du modèle d'ajustement - spécifiez la variable qui contient la fréquence (nombre) pour chaque niveau de la réponse.
- Pour visualiser l'effet d'une variable explicative sur les probabilités prédites, cliquez sur le triangle rouge en haut et sélectionnez Profiler . Dans le Profiler de prédiction , cliquez et faites glisser la ligne rouge verticale d'une variable pour en modifier le niveau ou la valeur. Les probabilités prédites s'affichent.
Car Poll.jmp (Help > Sample Data Folder)Sondage automobile.jmp (Aide > Dossier de données d'exemple)
Consultez la section « Modèles linéaires » > « Modèles de régression logistique » dans l’aide de JMP pour en savoir plus.
