명목형 로지스틱 회귀 분석

한 학교 관리자가 여러 가지 교수 방법을 평가하려고 합니다. 그녀는 어린이 30명에게 좋아하는 과목과 교실에서 사용되는 교수 방법을 물어 데이터를 수집합니다.

반응이 범주형이고 값에 자연적 순서가 없기 때문에 관리자는 명목형 로지스틱 회귀 분석을 사용하여 나이(10–13)와 교수 방법(시연 또는 설명)이 학생의 과목 선호도(수학, 과학, 국어)와 어떤 관계가 있는지 확인합니다.

  1. 표본 데이터교수방법.MTW를 엽니다.
  2. 통계분석 > 회귀 분석 > 명목형 로지스틱 회귀 분석을 선택합니다.
  3. 반응과목을 입력합니다.
  4. 모형에 '교수 방법' 나이을 입력합니다.
  5. 범주형 예측 변수(옵션)에 '교수 방법'를 입력합니다.
  6. 결과을 클릭합니다. 범주형 예측 변수 수준 값 리스트, 자유도가 1보다 큰 항에 대한 검정 추가을 선택합니다.
  7. 각 대화 상자에서 확인을 클릭합니다.

결과 해석

기준 사건은 과학이므로, Minitab이 로지스틱 회귀 분석 표에서 수학과 언어학을 과학과 비교함을 알 수 있습니다. 기준 사건을 변경하는 방법에 대한 내용은 명목형 로지스틱 회귀 분석 옵션 선택에서 확인하십시오.

반응에 3개 수준이 있으면 Minitab에서는 2개의 방정식, 즉 Logit(1)과 Logit(2)를 계산합니다. 로짓은 과학과 비교한 수학 및 언어학의 로그 확률 또는 로짓의 추정된 차이입니다. 각 집합에는 범주형 예측 변수인 교수 방법과, 계량형 예측 변수인 나이에 대한 상수와 계수가 있습니다. 교수 방법에 대한 계수는 나이를 상수로 고정한 상태에서 교수 방법이 설명인 경우 시연과 비교하여 추정되는 로짓의 변화입니다. 나이에 대한 계수는 교수 방법을 상수로 고정한 상태에서 나이가 한 살 늘어날 때 추정되는 로짓의 변화입니다.

로짓 2의 경우 교수 방법과 나이에 대한 p-값은 모두 유의 수준인 0.10보다 작습니다. 이 결과는 교수 방법이 설명일 때 나이가 많을수록 학생이 과학보다 언어학을 선호할 가능성이 높아짐을 나타냅니다. 교수 방법에 대한 추정 승산비는 교수 방법이 시연에서 설명으로 바뀌면 이 학생들이 과학 대신 언어학을 선택할 확률이 약 16배 더 높아짐을 나타냅니다.

로짓 1의 경우 교수 방법과 나이에 대한 p-값은 유의 수준인 0.10보다 작지 않습니다. 이 결과는 교수 방법을 시연에서 설명으로 변경하는 것이나 나이 차이가 과학과 비교한 수학의 선호도에 영향을 미친다는 결론을 내릴 충분한 증거가 없음을 나타냅니다.

적합도 검정은 모두 유의 수준인 0.05보다 크므로, 모형이 데이터에 적합하지 않다는 결론을 내릴 증거가 충분하지 않음을 나타냅니다.

명목형 로지스틱 회귀 분석: 과목 대 교수 방법, 나이

반응 정보 변수 값 카운트 과목 과학 10 (기준 사건) 수학 11 미술 9 총계 30
요인 정보 요인 수준 값 교수 방법 2 시연, 설명
로지스틱 회귀 분석 표 95% CI 예측 변수 계수 SE 계수 Z P 승산비 하한 상한 로짓 1: (수학/과학) 상수 -1.12266 4.56425 -0.25 0.806 교수 방법 설명 -0.563115 0.937591 -0.60 0.548 0.57 0.09 3.58 나이 0.124674 0.401079 0.31 0.756 1.13 0.52 2.49 로짓 2: (미술/과학) 상수 -13.8485 7.24256 -1.91 0.056 교수 방법 설명 2.76992 1.37209 2.02 0.044 15.96 1.08 234.90 나이 1.01354 0.584494 1.73 0.083 2.76 0.88 8.66

로그 우도 = -26.446

모든 기울기가 0인 검정 DF G P-값 4 12.825 0.012
적합도 검정 방법 카이-제곱 DF P Pearson 6.95295 10 0.730 이탈도 7.88622 10 0.640
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오