순서형 로지스틱 회귀 분석

한 병원의 관리자가 어떤 요인이 환자 만족도에 영향을 미치는지 확인하려고 합니다. 환자들에게 후속 치료를 받으러 올 생각이 얼마나 있는지 물어봅니다. 관련된 예측 변수로는 고용 상태, 나이, 병원까지의 거리 등이 있습니다.

관리자는 환자가 돌아올 확률을 반응 변수로 사용합니다. 반응 변수의 범주가 낮음에서 매우 높음까지 자연적 순서를 따르므로 반응 변수는 순서형입니다. 반응 변수가 순서형이므로 관리자는 예측 변수와 반응 변수의 관계를 모형화하기 위해 순서형 로지스틱 회귀 분석을 사용합니다. 관리자는 모형의 통계적 유의성 및 적합도를 평가하기 위해 0.05의 유의 수준을 사용합니다.

  1. 표본 데이터환자만족도.MTW를 엽니다.
  2. 재방문 예약 열에서 아무 셀이나 선택합니다.
  3. 워크시트를 마우스 오른쪽 버튼으로 클릭하고 열 속성 > 값 순서를 선택합니다.
  4. 사용자 지정 순서를 선택한 후 값을 다음 순서로 배열합니다.
    • 많음
    • 조금
    • 없음
  5. 통계분석 > 회귀 분석 > 순서형 로지스틱 회귀 분석을 선택합니다.
  6. 반응'재방문 예약'을 입력합니다.
  7. 모형거리 거리*거리을 입력합니다.
  8. 확인을 클릭합니다.

결과 해석

모든 기울기가 0인지 확인하는 검정에 대한 p-값은 0.05 미만입니다. p-값이 낮으면 반응 변수와 예측 변수의 관계가 통계적으로 유의함을 나타냅니다. 두 적합도 검정 모두 p-값이 0.05보다 큽니다. 이렇게 높은 p-값은 모형이 부적합하다는 증거를 제시하지 않습니다.

로지스틱 회귀 분석 표에서 거리와 거리*거리에 대한 p-값은 모두 유의 수준인 0.05보다 작습니다. 거리에 대한 계수는 음수로, 병원에서 더 먼 곳에 사는 환자들이 일반적으로 후속 치료를 받기 위해 병원을 다시 찾아올 확률이 더 낮음을 나타냅니다. 거리*거리에 대한 계수는 양으로, 일정 거리가 넘으면 환자들이 병원을 다시 찾을 확률이 더 높아짐을 나타냅니다. 이런 결과를 근거로, 관리자는 병원에 더 가까운 곳에 사는 환자들이 병원의 편리한 위치로 인해 후속 치료를 예약할 확률이 더 높다는 이론을 세웁니다. 첫 진료를 받기 위해 먼 거리를 이동할 의향이 있는 환자들도 후속 치료를 받으러 병원을 다시 찾을 확률이 더 높습니다. 관리자는 이런 아이디어를 조사하기 위한 새로운 질문을 설문 조사에 추가할 계획입니다. 관리자는 또한 모형의 예측 변수를 연구하여 환자가 병원을 다시 찾을 확률이 더 높아지는 거리도 파악할 계획입니다.

순서형 로지스틱 회귀 분석: 재방문 예약 대 거리

* 경고 * 알고리즘이 20회 반복 후에도 수렴하지 않았습니다. * 경고 * 로그 우도 또는 모수 추정치 기준에 대하여 수렴에 도달하지 않았습니다. * 경고 * 결과를 신뢰할 수 없을 수도 있습니다. * 경고 * 최대 반복 횟수를 늘려 보십시오.

연결 함수:로짓

반응 정보 변수 값 카운트 재방문 예약 없음 2 많음 3 조금 4 총계 9
로지스틱 회귀 분석 표 95% CI 예측 변수 계수 SE 계수 Z P 승산비 하한 상한 상수(1) -8.37842 44.7209 -0.19 0.851 상수(2) -6.68100 44.7154 -0.15 0.881 거리 3.06326 13.2432 0.23 0.817 21.40 0.00 4.00884E+12 거리*거리 -0.285089 0.962191 -0.30 0.767 0.75 0.11 4.96

로그 우도 = -292.087

모든 기울기가 0인 검정 DF G P-값 2 0.000 1.000
적합도 검정 방법 카이-제곱 DF P Pearson 79.970 100 0.930 이탈도 541.172 100 0.000
연관성 측도: (반응 변수와 예측 확률 사이) 쌍 번호 백분율 요약 측도 일치 274 79.2 Somers의 D 0.77 불일치 6 1.7 Goodman-Kruskal 감마 0.96 같은 값 66 19.1 Kendall의 타우-a 0.10 총계 346 100.0
이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오