2値適合線プロットのグラフ

解釈

適合線プロットを使用して、応答変数と予測変数の関係を調べることができます。

これらの結果では、式は成功確率を表しています。y軸の応答値1は成功を表します。プロットは、温度が上がると成功確率が下がることを示しています。データの温度が50に近いところでは線の傾斜はあまり大きくなく、成功確率は温度の上昇に伴い少しずつ下がることが分かります。中心部の線の傾斜はかなり大きく、この範囲では温度が1度変わるごとに結果が大きく影響されることが分かります。最高温度付近で成功確率が0に近づくと、線はまた水平になります。

モデルがデータにうまく適合すれば、高い予測確率値によって事象がどこで起こりやすいのかが示されます。データの温度が50に近いところでは、応答変数は1が最も多く、温度の上昇に伴い、応答変数は0が多くなります。

信頼区間をプロットに追加する場合、信頼区間を使用して、適合値の推定の精度を評価できます。以下の最初のプロットでは、信頼区間の線の幅は、予測変数が増加するほど近似します。2番目のプロットでは、信頼区間の幅は、予測変数の値が上昇するにつれて広くなります。区間が広がるのは、1つには、温度が高いときにデータ量が少なくなるためです。

解釈

ヒストグラムの外観は、データをグループ化するために使用されている区間の数に依存するので、残差の正規性を評価するときにヒストグラムは使用しません。その代わり、正規確率プロットを使用します。

解釈

残差の正規確率プロットを使用して、残差が正規分布に従うという仮定を検証します。残差の正規確率プロットは、ほぼ直線になります。

次のパターンは、残差が正規分布に従うという仮定に違反しています。

非正規パターンを閲覧する場合、他の残差プロットを使用して、項の欠落や時間順序効果などのモデルの他の問題がないかをチェックします。残差が正規分布に基づかない場合、通常の近似信頼区間とワルド検定が不正確である可能性があります。

解釈

残差対適合値プロットを使用して、残差はランダムに分布するという仮定を検証します。点に特徴的なパターンがなく、０の両側にランダムにくるのが理想的です。

次のグラフは外れ値や、残差の分散が均一であるという仮定に反する項目を表示します。

解釈

残差対データ順序プロットを使用して、残差が互いから独立しているという仮定を検証します。独立している残差は、時間順で表示した場合にトレンドやパターンを示しません。点にパターンがある場合、互いに近い残差は相関している可能性があり、独立していないことを示しています。プロットの残差が中心線の周りにランダムに来るのが理想的です。

パターンがある場合は原因を調査します。パターンが次のタイプである場合、残差が従属している可能性を示しています。

トレンド

シフト

周期

解釈

ランダムでない残差のパターンは、変数が応答に体系的に影響を及ぼしていることを示します。この変数を分析に含めることを検討してください。