2値ロジスティック回帰モデルを持つ重ね合わせ等高線プロットの例

財務分析者が、大学生が特定のクレジットカードを持っている確率に関連付けられる因子を調査します。この分析者は、調査対象の大学生をランダムに抽出します。調査では、大学生に対して教育および財務に関する質問をします。

分析者は、マーケティング目的で、MasterCardを持っている確率が低く、American Expressクレジットカードを持っている確率が高い学生の数に関連付けられる予測変数値を特定したいと考えています。そこで分析者は、American ExpressとMasterCardの両方に2値ロジスティック回帰モデルを適合して、予測変数とこれらのクレジットカードのそれぞれを持っている確率との関係を判断します。

モデル適合後、分析者は、重ね合わせ等高線プロットを使用して、両方のクレジットカードの確率を許容可能にする予測変数設定を見つけます。

  1. サンプルデータを開きますクレジット調査.MTW.
  2. 統計 > 回帰 > 2値ロジスティック回帰 > 重ね合わせ等高線プロットを選択します。
  3. 応答MasterCardAmerican Expressを、利用可能リストから選択済みリストへ移動します。
  4. 変数で、X軸から預金を選択して、Y軸から年収を選択します。
  5. 等高線をクリックします。
  6. 以下の表の下限側列と上限側列を入力して、OKをクリックします。
    応答 下限側 上限側
    MasterCard 0 0.2
    American Express 0.8 1
  7. 各ダイアログボックスでOKをクリックします。

結果を解釈する

Minitabは保存モデルを使用して、重ね合わせ等高線プロットを作成します。プロットの白いエリアは、クレジットカードごとに評価した確率の適合値を十分なものにする、年収と現金の値の組み合わせを表示します。

このプロットを応答の最適化機能と併用することで、予測変数の最適な値を見つけることができます。

ヒント

このプロット上の予測変数の値とデータ点の応答に注釈を付けるには、フラグを立てるを使用します。フラグを立てるには、プロットを右クリックして、表示されるメニューのフラグを立てるを選択して、注釈をつけるプロット上のデータ点をクリックします。予測を使用してこれらの点が異常かどうかを判断し、予測の精度を評価します。

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