이항 로지스틱 회귀 모형을 사용한 중첩 등고선도의 예

한 재무 분석가가 대학생이 특정 신용카드를 소지할 확률과 연관된 요인을 조사합니다. 이 분석가는 설문 조사를 위해 대학생을 랜덤하게 표본으로 추출합니다. 설문 조사에서는 학생들에게 교육 및 재무 상태에 대해 질문합니다.

마케팅 목적에서 분석가는 MasterCard를 소지할 확률이 낮고 American Express를 소지할 확률이 높은 학생의 모집단과 연관된 예측 변수 값을 식별하려고 합니다. 분석가는 American Express 및 MasterCard 둘 다에 대해 이항 로지스틱 모형을 적합시켜 예측 변수가 각 신용카드를 소지할 확률과 어떻게 연관되어 있는지 확인합니다.

모형을 적합한 후 분석가는 중첩 등고선도를 사용하여 두 신용카드에 대해 허용 가능한 확률을 생성하는 예측 변수 설정을 찾습니다.

  1. 표본 데이터신용설문조사.MTW을 엽니다.
  2. 통계분석 > 회귀 분석 > 이항 로지스틱 회귀 분석 > 중첩 등고선도을 선택합니다.
  3. 반응 아래에서 MasterCardAmerican Express사용 가능 리스트에서 선택됨 리스트로 옮깁니다.
  4. 변수 아래 X 축에서 현금을 선택한 다음 Y 축에서 연간 수입을 선택합니다.
  5. 등고선을 클릭합니다.
  6. 표의 낮음높음 열에 아래와 같이 값을 입력한 다음 확인을 클릭합니다.
    반응 낮음 높음
    MasterCard 0 0.2
    American Express 0.8 1
  7. 각 대화 상자에서 확인을 클릭합니다.

결과 해석

Minitab에서는 저장된 모형을 사용하여 중첩 등고선도를 생성합니다. 그림의 흰색 부분에는 각 신용카드의 처리 확률에 대해 만족스러운 적합치를 생성하는 연간 수입 및 현금 값의 조합이 표시됩니다.

이 그림을 반응 최적화 도구와 함께 사용하면 최상의 예측 변수 값을 찾을 수 있습니다.

이 그림의 점에 대해 예측 변수와 반응의 값에 주석을 추가하려면 플래그 심기을 사용합니다. 플래그를 표시하려면 그림을 마우스 오른쪽 단추로 클릭한 후 표시되는 메뉴에서 플래그 심기을 선택한 다음 그림에서 주석을 추가할 점을 클릭합니다. 이 점들이 비정상적인지 여부를 확인하고 예측의 정밀도를 평가하려면 예측을 사용합니다.

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