2値ロジスティック回帰モデルを持つ応答の最適化機能の例

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、技師は、応答の最適化機能を使用して、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く、クレジット調査.MTW.
  2. 統計 > 回帰 > 2値ロジスティック回帰 > 応答の最適化機能を選択します。
  3. MasterCardの行の目的最小化を選択します。
  4. American Expressの行の目的最大化を選択します。
  5. OKをクリックします。

結果を解釈する

Minitabは、2つの保存モデルを使用して、両方の応答変数の値を最適化する予測変数設定を推定します。これらの2つの応答を組み合わせた望ましさ(「複合的な望ましさ」とも呼ばれます)は0.9310であり、優れた解であることを示していますが、完璧な解ではありません。

グラフで示される予測変数設定は、MasterCardのクレジットカードを所持する可能性が低いものの、American Expressカードを所持する可能性が高い生徒と関連付けられます。この生徒の母集団の平均は、62.11ドルの現金とゼロの年収です。セッションウィンドウ出力は、これらの値の適合可能性が、Master Cardでは0.127、American Expressでは0.9923であることを示しています。信頼区間は、これらの予測の精度を示します。

この初期解の変数設定は、プロット上で直接調整できます。縦のバーを移動して因子設定を変更し、応答の個別の望ましさ(d)と複合的な望ましさがどのように変化するかを見ます。

応答の最適化: MasterCard, American Express

パラメータ 応答 目的 下限 目標値 上限 重み 重要度 MasterCard 最小 0 1 1 1 American Express 最大 0 1 1 1
解決方法 American 解決 MasterCard Express 複合的 方法 預金 年収 適合確率 適合確率 望ましさ 1 62.1124 0 0.126577 0.992297 0.930964
複数応答予測 変数 設定 預金 62.1124 年収 0
適合値の標 応答 適合確率 準誤差 95%信頼区間 MasterCard 0.127 0.172 ( 0.007, 0.754) American Express 0.9923 0.0322 (0.0323, 1.0000)
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