Vue d’ensemble pour Ajuster le modèle logistique binaire et Regressão Logística Binária

Ajuster le modèle logistique binaire et Regressão Logística Binária effectuer la même analyse à partir de différents menus. Utilisez ces analyses pour décrire la relation entre un ensemble de prédicteurs et une réponse binaire. Une réponse binaire a deux résultats, tels que réussite ou échec. Vous pouvez inclure des termes d’interaction et polynomiaux, effectuer une régression pas à pas, ajuster différentes fonctions de lien et valider le modèle à l’aide d’un échantillon de test ou d’une validation croisée.

Par exemple, les spécialistes du marketing d’une entreprise céréalière étudient l’efficacité d’une campagne publicitaire pour une nouvelle céréale. Les spécialistes du marketing peuvent utiliser la régression logistique binaire pour déterminer si les personnes qui ont vu la publicité sont plus susceptibles d’acheter les céréales.

Une fois l’analyse effectuée, Minitab stocke le modèle afin que vous puissiez effectuer les opérations suivantes :

Prédire la probabilité d’un événement pour des observations nouvelles ou existantes.
Tracez les relations entre les variables.
Trouvez des valeurs qui optimisent plusieurs réponses.

Pour plus d’informations, reportez-vous à Présentation du modèle stocké.

Où trouver cette analyse

Pour ajuster un modèle de régression logistique binaire, choisissez Stat > Régression > Régression logistique binaire > Ajuster le modèle logistique binaire.

Cette analyse a les mêmes fonctionnalités que Module d'analyse prédictive > Régression logistique binaire. La version de l’analyse de la Module d'analyse prédictive présente les différences suivantes.

Vous pouvez accéder aux analyses qui utilisent le modèle ajusté à partir du volet de sortie plutôt que du menu. Les analyses du modèle monté sont disponibles pour tout modèle qui a une sortie dans le navigateur, et pas seulement pour le modèle le plus récent.
Le modèle ajusté est disponible quelle que soit la feuille de calcul active, ce qui vous permet de prévoir des colonnes de données qui se trouvent dans une feuille de calcul différente de celle de la variable de réponse.
Minitab Statistical Software Enregistre le modèle dans un fichier projet (*. MPX).

Quand utiliser une autre analyse

Si votre variable de réponse contient au moins trois catégories qui ont un ordre naturel, telles que pas du tout d’accord, pas d’accord, neutre, d’accord et tout à fait d’accord, utilisez Régression logistique ordinale.
Si votre variable de réponse contient au moins trois catégories qui n’ont pas d’ordre naturel, telles que égratignure, bosse et déchirure, utilisez Régression logistique nominale ou Classification CART^®.
Si votre variable de réponse compte des occurrences, telles que le nombre de défauts, utilisez Ajuster le modèle de Poisson.
Si vos données ont un modèle de valeur manquante qui interfère avec la construction du modèle ou si le modèle logistique binaire ne s’adapte pas bien, considérez Classification CART^®.

Quand utiliser un modèle d’analyse prédictive

Pour certaines applications, vous envisagez différentes approches de construction de modèle. Pour plus d’informations sur les différents types de modèles, consultez la page Types de modèles d’analyse prédictive dans Minitab Statistical Software. Minitab propose Régression CART^®, Régression TreeNet^®, Régression Random Forests^®et Régression MARS^® analyse avec la commande Module d'analyse prédictive. L’analyse Découvrir le meilleur modèle (réponse continue) compare les performances de différents types de modèles en 1 analyse. Cliquez ici pour plus d’informations sur la façon d’activer le module.