Spécifier le schéma de codage pour la fonction Ajuster le modèle logistique binaire

Stat > Régression > Régression logistique binaire > Ajuster le modèle logistique binaire > Codage

Incrément des rapports des probabilités de succès

Pour les modèles utilisant la fonction de liaison logit, Minitab calcule le rapport des probabilités de succès. Pour certains prédicteurs, le rapport des probabilités de succès par défaut correspondant à un changement d'une unité du prédicteur n'est pas vraiment utile. Par exemple, si le rapport des probabilités de succès associé à un changement de 1 gramme est trop faible, saisissez 1 000 pour afficher le rapport des probabilités de succès correspondant à un changement d'un kilogramme.
Prédicteur continu
Affiche le nom de tous les prédicteurs continus de votre modèle. Cette colonne est en lecture seule.
Incrément
Saisissez l'incrément de valeur du prédicteur continu utilisé par Minitab pour calculer le rapport des probabilités de succès.

Codage des variables de catégorie

Codage pour les prédicteurs de catégorie
Pour effectuer l'analyse, Minitab doit recoder les prédicteurs de catégorie en utilisant une méthode parmi deux possibles. Vous pouvez changer de méthode selon que vous souhaitez comparer les niveaux du prédicteur à une valeur de référence ou à un niveau de référence. Le schéma de codage ne modifie pas le test de l'effet général du prédicteur. Pour plus d'informations, reportez-vous à la rubrique Schémas de codage des prédicteurs de catégorie.
  • (-1, 0, +1) : sélectionnez cette option pour estimer la différence entre chaque niveau et une valeur de référence.
  • (1, 0) : sélectionnez cette option pour estimer la différence entre chaque niveau et un niveau de référence. Si vous choisissez le schéma de codage (1, 0), le tableau du niveau de référence devient actif dans la boîte de dialogue.
Tableau de niveau de référence
Prédicteur de catégorie
Cette colonne du tableau indique le nom de tous les prédicteurs de catégorie de votre modèle. Cette colonne est en lecture seule.
Niveau de référence

Minitab compare tous les niveaux (autres que le niveau de référence) au niveau de référence. Le fait de changer de niveau de référence n'a pas d'impact sur la signification globale, mais cela peut rendre l'interprétation des coefficients et des rapports des probabilités de succès plus révélatrice.

Par exemple, un prédicteur de catégorie indiquant si les clients ont des enfants a les niveaux "Oui" et "Non". L'événement de réponse survient quand un client achète des céréales quand il va au supermarché.

Le niveau de référence est placé en dénominateur dans le rapport des probabilités de succès. Lorsque vous changez le niveau de référence, le rapport des probabilités de succès s'inverse. Quand le niveau de référence est "Non", le rapport des probabilités de succès est le suivant :
Un rapport des probabilités de succès égal à 5 indique que le client est cinq fois plus susceptible d'acheter les céréales quand la facteur a la valeur "Oui" que quand il a la valeur "Non".
Quand le niveau de référence est "Oui", le rapport des probabilités de succès est le suivant :
Un rapport des probabilités de succès égal à 0,2 indique que le client est 0,2 fois plus susceptible d'acheter les céréales quand la facteur a la valeur "Oui" que quand il a la valeur "Non".

Quand vous changez le niveau de référence, le signe du coefficient change aussi. Quand le niveau de référence est "Oui", le coefficient est -1,6. Un coefficient négatif indique que le client est plus susceptible d'acheter les céréales au niveau de référence du facteur. Quand le niveau de référence est "Non", le signe change et le coefficient devient 1,6. Un coefficient positif indique que le client est moins susceptible d'acheter les céréales au niveau de référence du facteur.

Normaliser les prédicteurs continus

Vous pouvez normaliser les prédicteurs continus dans votre modèle. Les prédicteurs normalisés ne servent qu'à ajuster le modèle et ne sont pas stockés dans la feuille de travail.

La normalisation des prédicteurs continus permet d'améliorer l'interprétation du modèle dans des conditions spécifiques.
  1. Centrez les prédicteurs continus en soustrayant la moyenne : cette méthode permet de réduire la multicolinéarité, ce qui améliore la précision des estimations des coefficients. Cette méthode est utile si votre modèle comporte des prédicteurs, des termes d'ordre supérieur et des termes d'interaction hautement corrélés. Chaque coefficient représente la modification attendue de la réponse en fonction d'une modification d'une unité du prédicteur, à l'aide de l'échelle de mesure initiale.
  2. Normalisez l'échelle des prédicteurs continus en divisant par l'écart type : cette méthode permet d'harmoniser les prédicteurs afin de pouvoir comparer la taille des coefficients. Cette approche est utile lorsque vous souhaitez savoir quels prédicteurs ont le plus d'effet, tout en contrôlant les différences dans l'échelle. Toutefois, chaque coefficient représente la modification prévue de la réponse en fonction d'une modification de l'un des écarts types du prédicteur.
Utilisez l'une des méthodes suivantes pour normaliser vos prédicteurs continus :
  • Ne pas normaliser : utilisez vos données d'origine pour les prédicteurs continus.
  • Spécifier les niveaux inférieur et supérieur pour coder comme -1 et +1 : utilisez cette option pour centrer les prédicteurs et les placer sur une échelle comparable. Minitab a recours à cette méthode dans le plan d'expériences (DOE). Toutes les données comprises entre le minimum et le maximum indiqués sont transformées en un nombre compris entre −1 et +1. Dans le tableau, saisissez le minimum et le maximum, ou utilisez les valeurs par défaut contenues dans l'échantillon.
    Prédicteur continu
    Affiche le nom de tous les prédicteurs continus de votre modèle. Cette colonne est en lecture seule.
    Min.
    Saisissez une valeur à coder comme −1. La valeur par défaut est la valeur minimale de l'échantillon.
    Max.
    Saisissez une valeur à coder comme +1. La valeur par défaut est la valeur maximale de l'échantillon.
  • Soustraire la moyenne et diviser par l'écart type : utilisez cette option pour centrer les prédicteurs et les placer sur une échelle comparable.
  • Soustraire la moyenne : utilisez cette option pour centrer les prédicteurs.
  • Diviser par l'écart type : utilisez une échelle comparable pour tous les prédicteurs.
  • Soustraire une valeur spécifiée, puis diviser par une autre : indiquez d'autres valeurs au lieu d'utiliser les estimations de la moyenne et de l'écart type issues de l'échantillon.
    Prédicteur continu
    Affiche le nom de tous les prédicteurs continus de votre modèle. Cette colonne est en lecture seule.
    Soustraire
    Saisissez la valeur à soustraire de chaque prédicteur continu.
    Diviser par
    Saisissez la valeur utilisée par Minitab pour diviser le résultat de la soustraction.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique