名義ロジスティック回帰のデータを入力する

統計 > 回帰 > 名義ロジスティック回帰

分析するデータの列を指定するには、次の手順を実行します。

  1. 応答に、解析または予測する名義データの列を入力します。 名義変数は、3つ以上の水準を持つカテゴリ変数で、水準が自然律とは関係なく並んでいるものを指します。たとえば、食品の味覚調査における「バリバリしている」、「柔らかい」、「サクッとしている」という水準などがその例です。
  2. 度数 (オプション)に、各応答と予測変数の組み合わせが発生する回数が含まれる列を入力します。
  3. モデルに、応答の変化を解析または予測する項を入力します。項は連続変数またはカテゴリ変数になり得ます。モデルは、交互作用や枝分かれの項を持つこともできます。
  4. カテゴリ予測変数(オプション)に、モデル内のどの変数を、生データなどのカテゴリ分類またはグループ割り当てするかを指定します。 Minitabでは、ここでモデル内の変数をカテゴリ変数として指定しない限り、すべての変数が連続変数(共変量)であると仮定します。連続予測変数は共変量としてモデル化し、カテゴリ予測変数は因子としてモデル化します。
このワークシートでは、科目は応答であり、調査した生徒の好きな学校教科です。方法はカテゴリ予測変数(因子)であり、クラスで使用される教授法を表します。年齢は連続変数(共変量)であり、生徒の年齢です。
C1 C2 C3
科目 方法 年齢
数学 説明する 10
科学 実演する 12
人文科学 説明する 15
数学 実演する 11
このワークシートでは、応答とモデル変数は前述のサンプルと同じですが、データには度数変数も含まれます。度数には、応答と予測変数の組み合わせが発生する回数が含まれています。1行目には、13歳の2人の生徒が、この説明方法で教わった数学を好むことが表示されています。
C1 C2 C3 C4
科目 度数 方法 年齢
数学 2 説明する 13
科学 6 実演する 12
人文科学 4 説明する 15
数学 1 実演する 11
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