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 반응 최적화 도구을 사용하여 두 신용카드에 대해 허용 가능한 확률을 생성하는 예측 변수 설정을 찾습니다.
- 표본 데이터를 엽니다 신용설문조사.MTW.
- 을 선택합니다.
- MasterCard 행의 목적에서 최소화을 선택합니다.
- American Express 행의 목적에서 최대화을 선택합니다.
- 확인을(를) 클릭합니다.
결과 해석
Minitab에서는 두 개의 저장된 모형을 사용하여 모든 반응 변수 값을 최적화하는 예측 변수 설정을 추정합니다. 두 반응의 복합 만족도(종합 만족도라고도 함)는 0.9310으로, 이는 우수하지만 완벽하지 않은 솔루션을 나타냅니다.
그래프에 표시된 예측 변수 설정은 MasterCard 신용카드를 소지할 확률은 낮지만 American Express 신용카드를 소지할 확률은 높은 학생과 연관이 있습니다. 이 학생 모집단은 평균 62.11달러의 현금을 보유하고 있고 연간 수입이 없습니다. 결과는 이 값에 적합된 확률이 Master Card의 경우 0.127, American Express의 경우 0.9923이라는 것을 나타냅니다. 신뢰 구간은 이 예측의 정밀도를 나타냅니다.
이 초기 솔루션의 변수 설정은 그림에서 직접 조정할 수 있습니다. 그림의 세로선을 이동하여 요인 설정을 변경하고 반응의 개별 만족도(d)와 종합 만족도가 어떻게 변하는지 검토하십시오.
파라미터
| 반응 | 목적 | 하한 | 목표값 | 상한 | 가중치 | 중요도 |
|---|---|---|---|---|---|---|
| MasterCard | 최소값 | 0 | 1 | 1 | 1 | |
| American Express | 최대값 | 0 | 1 | 1 | 1 |
솔루션
| 솔루션 | 현금 | 연간 수입 | MasterCard 적합된 확률 | American Express 적합된 확률 | 종합 만족도 |
|---|---|---|---|---|---|
| 1 | 62.1124 | 0 | 0.126577 | 0.992297 | 0.930964 |
다중 반응 예측
| 변수 | 설정 |
|---|---|
| 현금 | 62.1124 |
| 연간 수입 | 0 |
| 반응 | 적합된 확률 | SE 적합치 | 95% CI |
|---|---|---|---|
| MasterCard | 0.127 | 0.172 | (0.007, 0.754) |
| American Express | 0.9923 | 0.0322 | (0.0323, 1.0000) |
