Se utiliza para modelar la relación entre dos o más variables explicativas continuas o categóricas y una variable de resultado categórica. Resulta útil para estimar la probabilidad de ocurrencia de un evento para diferentes valores de las variables explicativas.
Regresión logística múltiple mediante modelo de ajuste
- Desde una tabla de datos JMP ® abierta, seleccione Analizar > Ajustar modelo .
- Haga clic en una variable categórica en Seleccionar columnas y haga clic en Y (las variables nominales tienen barras rojas, las variables ordinales tienen barras verdes).
- Seleccione variables explicativas en Seleccionar columnas y haga clic en Agregar .
- Haga clic en Ejecutar modelo . De forma predeterminada, JMP proporcionará los siguientes resultados:
- Historial de iteraciones (no se muestra).
- La prueba del modelo completo.
- Falta de ajuste (no se muestra).
- Estimaciones de parámetros para el modelo.
- Pruebas de razón de verosimilitud de efectos (no se muestran).
Consejos:
- Cuando la respuesta es ordinal, se ajusta un modelo logístico ordinal. Cuando la respuesta es nominal, como en este ejemplo, se ajusta un modelo logístico nominal.
- Para guardar las probabilidades previstas en la tabla de datos, haga clic en el triángulo rojo superior y seleccione Guardar fórmula de probabilidad .
- Para ajustar un modelo a datos agrupados o resumidos, utilice Frecuencia en la ventana Especificación del modelo de ajuste : especifique la variable que contiene la frecuencia (recuento) para cada nivel de la respuesta.
- Para ver el efecto de una variable explicativa en las probabilidades predichas, haga clic en el triángulo rojo superior y seleccione Perfilador . En el Perfilador de Predicciones , haga clic y arrastre la línea roja vertical de una variable para cambiar su nivel o valor. Se muestran las probabilidades predichas.
Car Poll.jmp (Help > Sample Data Folder)Car Poll.jmp (Ayuda > Carpeta de datos de muestra)
Visite Ajuste de modelos lineales > Modelos de regresión logística en la ayuda de JMP para obtener más información.
