2値ロジスティックモデルの当てはめと 2値ロジスティック回帰の メソッド テーブル

解釈

表示されているコード化スキームを検証し、目的の分析が行われたことを確認してください。カテゴリ変数の係数は以下のように解釈します:

• （0, 1）コード体系がある場合、各係数は、各水準と参照水準の差を表します。参照水準の係数は0です。
• （0, 1, +1）コード体系がある場合、各係数は、水準平均と基準線の差を表します。

解釈

標準化方法の表を使い、目的の分析が行われたかどうかを検証してください。選択した方法によっては、次に示すように係数の解釈を変更する必要があるかもしれません。

最低水準と最高水準を指定して、-1および+1としてコード化

この方法では、変数を中央に寄せてスケールします。各係数は、予測変数がコード化尺度の単位ごとに変化するものとして、変換された応答平均の期待変化量を表します。たとえば、各係数は、予測変数が0から1に変化するときに、変換された応答平均の変化量を表します。

平均を引き、標準偏差で割る

この方法では、変数を中央に寄せてスケールします。各係数は、予測変数が1標準逸脱度ずつ変化するものとして、変換された応答平均の期待変化量を表します。

平均を引く

この方法では、変数がセンタリングされます。各係数は、予測変数が1ごとに変化するものとして、変換された応答平均の期待変化量を表します。

標準偏差で割る

この方法では、変数がスケーリングされます。各係数は、予測変数が1標準逸脱度ずつ変化するものとして、変換された応答平均の期待変化量を表します。

指定した値を引き、別の値で割る

この方法で変数が中央に寄せられるか、あるいはスケールされるかは、指定した値によって変わります。各係数は、予測変数が除数の値ごとに変化するものとして、変換された応答平均の期待変化量を表します。たとえば4で割る場合、係数は、元の測定尺度で4増加することを表します。

係数の正しい解釈も、リンク関数などの分析の他の様態によって変わります。

解釈

リンク関数を使用して、データに最も適合するモデルを見つけます。異なるリンク関数のデータ適合度を比較するには、適合度の統計量を使うことができます。それまでの経緯や各分野での特殊な意味合いに応じ、使用できるリンク関数は異なります。

ロジットリンク関数の利点の1つは、この関数からモデルに含まれる各予測変数についてオッズ比の推定値が得られるという点です。

解釈

応答情報を使用して、分析内にあるデータ量を調べます。各水準の出現数を多く持つランダムサンプルが大きくなるほど、通常、母集団の推定は正確になります。

また、応答情報を使用して、どの事象が参照事象かを判断します。係数などの統計量とオッズ比の解釈は、どの事象が参照水準かによって変わります。