이항 로지스틱 모형 적합에 대한 방법 표

해석

원하는 분석을 수행했는지 확인하려면 표시되는 코드화 방법을 확인하십시오. 다음과 같이 범주형 변수에 대한 계수를 해석하십시오.

• (0, 1) 코드화 방법을 사용하는 경우 각 계수는 각 수준과 기준 수준 간의 차이를 나타냅니다. 기준 수준에 대한 계수는 0입니다.
• (-1, 0, +1) 코드화 방법을 사용하는 경우 각 계수는 수준 평균과 기준 간의 차이를 나타냅니다.

해석

의도한 대로 분석을 수행했는지 확인하려면 표준화 방법 표를 사용하십시오. 선택한 방법에 따라 계수의 해석을 다음과 같이 변경해야 할 수도 있습니다.

코드화할 낮은 수준과 높은 수준을 -1과 +1로 지정

이 방법은 변수를 중심화하는 동시에 변수의 척도를 지정합니다. 각 계수는 예측 변수가 코드화된 척도에서 1단위 변할 때 예상되는 변환 반응 평균의 변동을 나타냅니다. 예를 들어 계수는 예측 변수가 0에서 +1로 변할 때 변환된 반응 평균의 변동을 나타냅니다.

평균값을 뺀 후 표준 편차로 나누기

이 방법은 변수를 중심화하는 동시에 변수의 척도를 지정합니다. 각 계수는 예측 변수가 1 표준 편차만큼 변할 때 예상되는 변환 응답 평균의 변동을 나타냅니다.

평균값 빼기

이 방법은 변수를 중심화합니다. 각 계수는 예측 변수가 1만큼 변할 때 예상되는 변환된 반응 평균의 변동을 나타냅니다.

표준 편차로 나누기

이 방법은 변수 척도를 지정합니다. 각 계수는 예측 변수가 1 표준 편차만큼 변할 때 예상되는 변환 응답 평균의 변동을 나타냅니다.

지정된 값을 뺀 후 다른 값으로 나누기

이 방법으로 변수가 중앙으로 이동되는지 아니면 확장되는 지는 지정하는 값에 따라 결정됩니다. 각 계수는 예측 변수가 제수만큼 변할 때 예상되는 변환 응답 평균의 변동을 나타냅니다. 예를 들어 4로 나누는 경우 계수는 원래 측정 척도에서 4만큼 증가함을 나타냅니다.

계수의 정확한 해석은 분석의 다른 측면(연결 함수 등)에 따라 달라지기도 합니다.

해석

연결 함수는 데이터에 가장 적합한 모형을 찾기 위해 사용합니다. 적합도 통계량은 서로 다른 연결 함수를 사용하여 적합치를 비교하기 위해 사용합니다. 특정 연결 함수는 경험적인 이유로 또는 원칙에 있어 특별한 의미를 가지고 있기 때문에 사용할 수도 있습니다.

로짓 연결 함수의 한 가지 장점은 모형에 있는 각 예측 변수의 승산비 추정치를 제공한다는 것입니다.

해석

반응 정보는 분석에 데이터가 얼마나 있는지 조사하는 데 사용합니다. 각 수준의 발생 횟수가 많은 상대적으로 큰 랜덤 표본은 일반적으로 모집단에 대한 보다 정확한 추측을 제시합니다.

반응 정보는 어느 사건이 기준 사건인지 결정하는 데도 사용합니다. 계수와 승산비 같은 통계량의 해석은 어느 사건이 기준 사건이냐에 따라 다릅니다.