Exemple de la fonction Prévoir avec un modèle de régression logistique binaire

Un analyste financier étudie les facteurs qui sont associés à la probabilité qu'un étudiant à l'université possède certaines cartes de crédit. Il échantillonne de manière aléatoire des étudiants pour une étude. L'étude consiste à poser des questions aux étudiants sur leur formation et leurs finances.

Après avoir ajusté le modèle, l'analyste effectue l'estimation de la probabilité qu'un étudiant ayant 75 $ en espèces et un revenu annuel de 10 000 $ possède une carte de crédit American Express.

  1. Ouvrez le fichier de données échantillons, EtudeCrédit.MTW.
  2. Sélectionnez Stat > Régression > Régression logistique binaire > Prévoir.
  3. Dans Réponse, sélectionnez American Express.
  4. Dans le tableau, saisissez 75 pour Espèces et 10 000 pour RevenuAnnuel.
  5. Cliquez sur OK.

Interprétation des résultats

Minitab utilise le modèle stocké pour estimer que la probabilité est de 0,998870. L'intervalle de prévision indique que l'analyste peut être certain à 95 % que la probabilité est comprise entre 0,0516175 et 1,00000. Cette grande étendue indique que les prévisions produites par le modèle ne sont pas précises.

Prévision pour American Express

Equation de régression P(1) = exp(Y')/(1 + exp(Y'))

Y' = -7,71 + 0,1688 Espèces + 0,000108 RevenuAnnuel + 0,000540 Espèces*Espèces - 0,000003 Espèces*RevenuAnnuel

Configuration Variable Configuration Espèces 75 RevenuAnnuel 10000
Prévision Probabilité ajustée ErT ajust IC à 95 % 0,998870 0,0055833 (0,0516175; 1,00000)
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique