二元 Logistic 回归模型的等值线图示例

一名财务分析师想调查与大学生拥有特定信用卡的概率相关联的因子。分析师随机抽取了一些大学生进行调查。在调查中，学生将回答有关其教育和财务情况的问题。

由于响应是二元的，因此分析师使用二元逻辑回归来确定财务变量是否与大学生拥有美国运通信用卡的概率相关。分析师基于二元逻辑回归模型创建图，以更好地了解预测变量与大学生拥有美国运通信用卡的概率之间的关系。

打开样本数据信用卡调查.MTW。
选择统计 > 回归 > 二元 Logistic 回归 > 等值线图。
从响应中，选择American Express。
在为单个图选择一对变量下，选择现金 from X 轴和选择 Y 轴年收入。
单击确定。

解释结果

Minitab 使用存储的模型创建等值线图。轮廓具有难以描述的复杂形状。通常，钱包中现金越多而且收入越低的学生拥有 American Express 信用卡的概率越高。现金较少的学生拥有 American Express 信用卡的概率较低，除非他们的年收入非常高。年收入较高的学生拥有 American Express 信用卡的概率较低，除非他们的现金非常少或非常多。

图上的图例表明，颜色越深，拥有 American Express 信用卡的概率越高。

提示

要在该图上标注任何点的预测变量值和响应值，请使用十字线。要种植标志，请双击该图，右键单击该图并在出现的菜单中进行选择十字线，然后单击要注释的图上的点。用于预测确定这些点是否异常并评估预测的精度。