2値ロジスティックモデルを適合の分析のオプションを選択する

統計 > 回帰 > 2値ロジスティック回帰 > 2値ロジスティックモデルの当てはめ > オプション

重み

重みでは、重み付き回帰を実行する場合に、重みを含む数値列を入力します。重みはゼロ以上の数でなければなりません。重み列の行数と応答列の行数は同じでなければなりません。適切な重みの決定に関する詳細は、重み付き回帰.を参照してください。

全区間の信頼水準

係数と適合値の信頼区間の信頼水準を入力します。logitリンク関数を使用した場合、信頼水準は、オッズ比の信頼区間の信頼水準でもあります。

通常、95%の信頼水準が適切です。95%の信頼水準は、母集団から100個のランダムサンプルを採取した場合、サンプルのうちおよそ95個の信頼区間に区間から推定されるパラメータが含まれることを示しています。与えられたデータセットにおいて、信頼水準の値を低くすると信頼区間が狭くなり、信頼水準を高くすると信頼区間が広くなります。

係数と適合値の信頼水準を表示するには、結果サブダイアログボックスを表示する必要があり、結果の表示から拡張表を選択します。

信頼区間のタイプ

両面区間または片側境界を選択できます。信頼水準が同じ場合、境界は信頼区間の点推定に近いです。上側境界は、下側の境界の値になる可能性をもたらしません。下側境界は、上側の境界の値になる可能性をもたらしません。
両側
  • 両側信頼区間を使用して、事象が発生する確率の可能性のある上限値と下限値を推定します。
下限
  • 下側信頼境界値を使用して、事象が発生する確率の可能性のある下限値を推定します。
上限
  • 上側信頼境界値を使用して、事象が発生する確率の可能性のある下限値を推定します。

診断の残差

逸脱度とピアソン残差は、残差プロットと外れ値のパターンを特定するのに役立ちます。モデルに適合しない観測値では、逸脱度とピアソン残差が高くなります。Minitabでは、異なる因子/共変量パターンごとに残差値を計算します。
  • 逸脱: 逸脱残差は、モデルがどの程度観測値を予測できるかの指標となります。残差分布は最小二乗モデルの残差分布に近いので、logitリンク関数を使用するロジスティック回帰ではしばしば逸脱残差が好まれます。logitリンク関数は、最もよく使われるリンク関数です。
  • ピアソン: ピアソン残差も、モデルがどの程度観測値を予測できるかの指標となります。外れ値を特定するためによく使われる手法は、ワークシートの観測値の順序でピアソン残差をプロットする方法です。

検定の逸脱

カイ二乗値とp値の計算のために逸脱度を選択します。調整済み逸脱度を使用するのが最も一般的です。逐次逸脱度を使用して、モデルに入力される順序で項の有意性を判断します。
  • 調整済み (タイプIII): 残りのすべての項を含むモデルと関係のある各項を逸脱度の低次元化を測定します。
  • 逐次 (タイプI): 追加する項の前の項のもを含むモデルに項を追加した際の、逸脱度の低次元化を測定します。

Hosmer-Lemeshow検定のグループ数

ホスマー-レメショウ検定のグループの数を入力します。この値を空白のままにした場合、Minitabは、等しいサイズの10のグループを作ろうとします。10のグループは、たいていのデータセットとうまく機能します。

ホスマー-レメショウ検定は適合度検定であり、観測された頻度と期待頻度を比較することにより、モデル適合度が評価されます。この検定では、それぞれの推定確率によりデータが昇順のグループに分類されたのち、カイ二乗検定が行われて観測された頻度と期待頻度が有意に異なるかどうかが決定されます。固有の因子・共変量パターンの数が少ないまたは多い場合、グループの数を変更できます。たとえば、使用するグループが少なくなるほど、グループ内の期待される値を増加できます。あるいは、使用するグループが多くなるほど、観測される値と期待される値の比較をより詳しく確認できます。ホスマー-レメショウは最小6つのグループを使用することをお勧めします。1

1 D.W. Hosmer、S. Lemeshow(2000)、Applied Logistic Regression第2版、John Wiley & Sons, Inc.
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください