명목형 로지스틱 회귀의 예
모형 적합 플랫폼의 명목형 로지스틱 분석법을 사용하여 명목형 로지스틱 회귀 모형을 적합시킵니다. 다양한 가열 시간 및 유지 시간으로 준비된 금속 주괴에 대한 실험을 수행한 후 시작 준비 상태를 테스트했습니다. 이 예에서는 회귀변수가 두 개인 로지스틱 회귀 모형을 사용하여 시작 준비 확률을 적합시킵니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Ingots.jmp를 엽니다.
범주형 변수 ready의 값 Ready와 Not Ready는 주괴를 사용할 준비가 되었는지 여부를 나타냅니다.
2. 분석 > 모형 적합을 선택합니다.
3. ready를 선택하고 Y를 클릭합니다.
명목형 모델링 유형의 열을 선택했으므로 모형 적합 분석법이 "명목형 로지스틱"으로 업데이트됩니다.
ready는 두 개의 수준만 있는 명목형 열이므로 "목표 수준" 옵션이 나타납니다. 이 옵션을 사용하면 확률을 모델링할 반응 수준을 지정할 수 있습니다.
4. "목표 수준" 목록에서 "Ready"를 선택합니다.
이 모형에서는 목표 수준이 Ready이므로 Ready 반응의 확률을 모델링합니다.
5. heat와 soak를 선택하고 추가를 클릭합니다.
6. Count를 선택하고 빈도를 클릭합니다.
7. 실행을 클릭합니다.
적합 프로세스가 수렴되면 명목형 회귀 보고서가 나타납니다.
그림 12.2 명목형 로지스틱 적합 보고서
"전체 모형 검정" 보고서에서 카이제곱 통계량(11.64)의 p 값(0.0030)이 작으며 이는 전체 모형이 유의함을 나타냅니다. 그러나 soak에 대한 모수 추정값의 p 값은 0.8639이며 이는 유지 시간이 통계적으로 유의하지 않음을 나타냅니다.
8. "ready에 대한 명목형 로지스틱 적합" 옆의 빨간색 삼각형을 클릭하고 프로파일러를 선택합니다.
그림 12.3 예측 프로파일러
heat가 45로 설정되고 soak가 2로 설정되면 ready의 확률이 0.85입니다.
이 시점에서 시작 준비 확률이 주어지고 특정 유지 시간에 대한 가열 시간을 찾기 위해 역추정 예측을 사용하는 데 관심이 있을 수 있습니다. 이에 대한 예는 모형 적합에서 역추정 예측의 예에서 계속됩니다.