順位ロジスティック回帰の主要な結果を解釈します

カテゴリ因子が3つ以上の水準を持つ場合、因子のこの水準が参照水準と異なるかについてが係数の仮説になります。因子の統計的有意性を評価するには、2つ以上の自由度を持つ項の検定を使用します。この検定の表示方法の詳細は順位ロジスティック回帰で表示する結果を選択するを参照してください。

モデルがどの程度データに適合するかを判断するには、対数尤度と関連の測度を調べます。対数尤度の値が大きいほど、データへの適合度が向上することを示します。対数尤度の値は負なので、値が0に近づくほど、値が大きくなります。対数尤度はサンプルデータによって変わるため、異なるデータセットのモデル比較に対数尤度は使用できません。

対数尤度は、モデルに項が追加されても減少することはありません。たとえば、5つの項を持つモデルの対数尤度は、同じ項で作成可能な4項モデルよりも高いです。したがって、対数尤度は、同じサイズのモデルを比較するときに最も役立ちます。個々の項を決定するには、通常、p値に異なるlogitの項がないか確認します。

ソマーズのD値、グッドマン・クルスカイのγ、およびケンドルのτaが大きい値になった場合、これはモデルがより良い予測能力を持つことを意味しています。ソマーズのDとグッドマン・クルスカイのγは-1～1になることがあります。ケンドルのτaは-2/3～2/3になることがあります。値が最大値に近い場合、モデルが適切な予測能力を持つことを示します。値が0に近い場合、モデルには応答との予測の関係がないことを示します。モデルと応答に関係がない場合よりもパフォーマンスが下がるため、値が負になることは滅多にありません。

2組目の結果では、距離と距離の二乗は両方とも予測変数です。こうしたモデルでは項の数が異なるので、これらの比較に対数尤度は使用できません。連関の測度は2番目のモデルの方が高く、2番目のモデルのパフォーマンスが1番目のモデルよりも高いことを示しています。