Tableaux de méthodes pour la fonction Ajuster le modèle logistique binaire

Obtenez des définitions et bénéficiez de conseils en matière d'interprétation pour le tableau des méthodes.

Codage des prédicteurs de catégorie

Minitab peut utiliser le schéma de codage (0, 1) ou (−1, 0, +1) pour intégrer des variables de catégorie dans le modèle. Le schéma (0, 1) est celui utilisé par défaut pour l'analyse de régression tandis que le schéma (−1, 0, +1) est celui utilisé par défaut pour l'ANOVA et les plans d'expériences. Le choix entre ces deux schémas ne modifie par la signification statistique des variables de catégorie. En revanche, le schéma de codage modifie les coefficients et la manière de les interpréter.

Interprétation

Vérifiez quel est le schéma de codage affiché pour vous assurer que vous avez effectué l'analyse que vous vouliez. Interprétez les coefficients pour les variables de catégorie de la manière suivante :

  • Avec le schéma de codage (0, 1), chaque coefficient représente la différence entre chaque niveau et le niveau de référence. Le coefficient du niveau de référence est 0.
  • Avec le schéma de codage (-1, 0, +1), chaque coefficient représente la différence entre la moyenne du niveau et une valeur de référence.

Normalisation de prédicteur continu

Si vous souhaitez normaliser les prédicteurs continus de votre modèle, Minitab fournit des détails sur la façon de procéder dans le tableau Normalisation des prédicteurs continus.

En général, la normalisation est utilisée pour centrer les variables, les mettre à l'échelle ou les deux. Lorsque vous centrez des variables, vous réduisez la multicolinéarité produite par les termes polynomiaux et d'interaction, ce qui améliore la précision des estimations de coefficients. Dans la plupart des cas, lorsque vous mettez des variables à l'échelle, Minitab convertit les différentes variables sur une échelle commune, ce qui vous permet de comparer les coefficients.

Interprétation

Utilisez le tableau sur la méthode de normalisation pour vérifier que vous avez effectué l'analyse comme vous le souhaitiez. En fonction de la méthode choisie, vous devrez peut-être interpréter les coefficients différemment, comme suit :

Spécifier les niveaux inférieur et supérieur pour coder comme -1 et +1
Cette méthode centre et met à l'échelle les variables. Chaque coefficient représente la variation attendue pour la moyenne de la réponse transformée, étant donné que le prédicteur varie d'une unité sur l'échelle codée. Par exemple, le coefficient représente la variation de la moyenne de la réponse transformée lorsque le prédicteur passe de 0 à +1.
Soustraire la moyenne et diviser par l'écart type
Cette méthode centre et met à l'échelle les variables. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie d'un écart type.
Soustraire la moyenne
Cette méthode centre les variables. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que le prédicteur varie d'une unité.
Diviser par l'écart type
Cette méthode met à l'échelle les variables. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie d'un écart type.
Soustraire une valeur spécifiée, puis diviser par une autre
Cette méthode centre ou met à l'échelle les variables en fonction des valeurs spécifiées. Chaque coefficient représente la variation prévue pour la moyenne de la réponse transformée, étant donné que la variable de prédiction varie en fonction du diviseur. Par exemple, si vous divisez par 4, le coefficient représente une augmentation de 4 dans l'échelle de mesure d'origine.

L'interprétation exacte des coefficients dépend également d'autres aspects de l'analyse, comme la fonction de liaison.

Informations de réponse

Minitab affiche les informations suivantes sur la réponse :
Variable
Nom de la variable de réponse
Valeur
Niveaux de la variable de réponse
Dénombrement
Nombre d'observations à chaque niveau de la variable de réponse
Total
Nombre d'observations présentes

Le résultat identifie également le niveau de la réponse qui représente l'événement de référence.

Interprétation

Utilisez les informations de réponse pour étudier le nombre de données présentes dans l'analyse. Les grands échantillons aléatoires avec de nombreuses occurrences de chaque niveau fournissent généralement des inférences plus précises sur la population.

Utilisez également les informations de réponse pour déterminer l'événement de référence. L'interprétation des statistiques comme les coefficients et les rapports des probabilités de succès dépend de l'événement désigné comme événement de référence. Vous pouvez modifier l'événement de référence pour la réponse dans la boîte de dialogue Régression logistique nominale.

En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique