このバージョンのヘルプはこれ以降更新されません。最新のヘルプは https://www.jmp.com/support/help/ja/15.2   からご覧いただけます。


この例では、「Car Physical Data.jmp」サンプルデータを使用して、ロジスティックプロットの例をもう1つ紹介します。「車両重量」によって、116台の車両のサイズ(「タイプ」)を予測するとしましょう。車両サイズは小さいものから順に、「Sporty」、「Small」、「Compact」、「Medium」、「Large」とします。
1.
[ヘルプ]>[サンプルデータライブラリ]を選択し、「Car Physical Data.jmp」を開きます。
2.
「列」パネルで、「タイプ」の左側のアイコンを右クリックし、[順序尺度]を選択します。
3.
「タイプ」を右クリックし、[列情報]を選択します。
4.
「列プロパティ」メニューから[値の順序]を選択します。
6.
[OK]をクリックします。
8.
「タイプ」を選択し、[Y, 目的変数]をクリックします。
9.
「車両重量」を選択し、[X, 説明変数]をクリックします。
10.
[OK]をクリックします。
なお、プロット上に描かれている点のX座標はデータの値ですが、Y座標は応答カテゴリの内側においてランダムにプロットしています。
X変数が応答変数に対して効果を持たない場合、ロジスティック曲線は水平になります。つまり、応答変数の各水準の確率が、説明変数の範囲全体にわたって一定になります。予測が無意味なデータとロジスティックプロットの例のロジスティックプロットが、ロジスティック曲線が水平となる例です。このような場合では、「タイプ」の確率を予測するのに、「車両重量」は役立ちません。
図8.7 予測が無意味なデータとロジスティックプロットの例
メモ: 予測が無意味なデータとロジスティックプロットの例および予測が完全となるデータとロジスティックプロットのプロットを再現するには、図中のデータテーブルを作成してから、この節の冒頭で紹介した手順7 ~ 10を実行します。
図8.8 予測が完全となるデータとロジスティックプロット
この場合、パラメータ推定値が非常に大きくなり、回帰レポート上に「不安定」と表示されます。そのような場合には、[一般化線形モデル]において[Firthバイアス調整推定値]を使用することを検討してください。Firthバイアス調整推定については、『基本的な回帰モデル』の「一般化線形モデル」章を参照してください。