Dient zur Modellierung des Zusammenhangs zwischen zwei oder mehr stetigen oder kategorialen erklärenden Variablen und einer kategorialen Zielvariablen. Nützlich zur Schätzung der Eintrittswahrscheinlichkeit eines Ereignisses für verschiedene Werte der erklärenden Variablen.
Multiple logistische Regression unter Verwendung des angepassten Modells
- Wählen Sie in einer geöffneten JMP® - Datentabelle „Analysieren“ > „Modell anpassen“ .
- Klicken Sie unter „Spalten auswählen“ auf eine kategoriale Variable und klicken Sie auf „J“ (nominale Variablen haben rote Balken, ordinale Variablen grüne Balken).
- Wählen Sie unter „Spalten auswählen“ erklärende Variablen aus und klicken Sie auf „Hinzufügen“ .
- Klicken Sie auf „Modell ausführen“ . Standardmäßig liefert JMP die folgenden Ergebnisse:
- Die Iterationshistorie (nicht dargestellt).
- Der vollständige Modelltest.
- Mangelnde Passform (nicht abgebildet).
- Parameterschätzungen für das Modell.
- Effekt-Likelihood-Ratio-Tests (nicht dargestellt).
Tipps:
- Bei ordinalen Antwortvariablen wird ein ordinales logistisches Modell angepasst. Bei nominalen Antwortvariablen, wie in diesem Beispiel, wird ein nominales logistisches Modell angepasst.
- Um die vorhergesagten Wahrscheinlichkeiten in der Datentabelle zu speichern, klicken Sie auf das obere rote Dreieck und wählen Sie „Wahrscheinlichkeitsformel speichern“ .
- Um ein Modell für gruppierte oder zusammengefasste Daten anzupassen, verwenden Sie Frequenz im Fenster "Modellspezifikation anpassen" - geben Sie die Variable an, die die Häufigkeit (Anzahl) für jede Stufe der Antwort enthält.
- Um den Einfluss einer erklärenden Variable auf die vorhergesagten Wahrscheinlichkeiten anzuzeigen, klicken Sie auf das rote Dreieck (Spitze) und wählen Sie „Profiler“ . Im Vorhersage-Profiler können Sie die vertikale rote Linie einer Variable anklicken und ziehen, um deren Niveau oder Wert zu ändern. Die vorhergesagten Wahrscheinlichkeiten werden angezeigt.
Car Poll.jmp (Help > Sample Data Folder)Car Poll.jmp (Hilfe > Beispieldatenordner)
Weitere Informationen finden Sie unter „Anpassen linearer Modelle > Logistische Regressionsmodelle in der JMP-Hilfe“ .
