명목형 로지스틱 회귀 분석에서 추정된 계수 해석

추정된 계수는 반응에 대해 지정된 기준 이벤트 및 각 예측 변수의 기준 수준에 따라 다르게 해석됩니다. 예측 변수와 연관된 추정 계수는 다른 모든 예측 변수가 상수로 고정되어 있다고 가정하고 예측 변수에서 각 단위가 바뀔 때 추정되는 특정 로짓의 변화를 나타냅니다. 요인의 한 단위 변화는 요인 수준을 기준 요인 수준과 비교한 것을 나타냅니다.

k개의 고유 반응 값이 있으면 Minitab에서는 k-1개의 추정된 계수 집합을 추정합니다. 이 값들은 기준 사건과 비교했을 때 반응 변수의 수준에서 나타나는 로그 승산 또는 로짓의 추정된 차이입니다. 각 집합에는 요인 및 공변량에 대한 상수와 계수가 들어 있습니다. 이러한 모수 추정치 집합에서는 반응 값에 대해 비평행선이 생성됩니다. 모수 추정치는 다음과 같이 해석됩니다.
  • 예측 변수(요인 또는 공변량)의 계수는 다른 예측 변수가 일정하다고 가정한 상태에서 예측 변수의 각 단위가 바뀔 때 P(반응 수준)/P(기준 사건)의 로그 값에 대해 추정된 변화입니다.
  • 계수는 승산비 또는 두 승산 간의 비를 계산하는 데도 사용될 수 있습니다. 요인의 추정된 계수를 거듭제곱하면 특정 요인 수준을 기준 수준과 비교한 P(반응 수준)/P(기준 사건)의 비가 생성됩니다. 서로 다른 공변량 값에서의 승산비는 0에 대해 상대적인 값으로 생성될 수 있습니다. 공변량의 경우에는 승산비보다 승산을 해석하는 것이 보다 의미 있을 수 있습니다. 계수가 0이거나 승산비가 1인 경우는 모두 요인 또는 공변량에 효과가 없다는 것을 나타냅니다.

모수 추정치를 다른 관점에서 보려면 옵션 하위 대화 상자에서 기준 사건 또는 기준 수준을 변경하면 됩니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오