명목형 로지스틱 모형에 대한 효과 요약의 사용 예
변수 집합을 기반으로 세제 브랜드 선호도를 평가하기 위한 시장 조사 연구가 수행되었습니다. 브랜드 선호도에 가장 많이 기여하는 변수를 찾으려고 합니다. 모형은 다음과 같은 변수로 정의됩니다.
• brand 반응 변수 - m, x 값 포함
• softness(수질 연성) 효과 - soft, medium, hard 값 포함
• previous use 효과 - yes, no 값 포함
• temperature 효과 - high, low 값 포함
• count 개수 변수 - 효과 범주의 각 조합에 대한 빈도 수 제공
3요인 완전 요인 모형을 지정하여 연구를 시작합니다.
1. 도움말 > 샘플 데이터 폴더를 선택하고 Detergent.jmp를 엽니다.
2. 분석 > 모형 적합을 선택합니다.
3. "열 선택" 목록에서 brand를 선택하고 Y를 클릭합니다.
명목형 반응 변수를 지정했으므로 "분석법"이 "명목형 로지스틱"으로 변경됩니다.
brand는 두 개의 수준만 있는 명목형 열이므로 "목표 수준" 옵션이 나타납니다. 이 옵션을 사용하면 확률을 모델링할 반응 수준을 지정할 수 있습니다.
4. "목표 수준" 목록에서 "m"을 선택합니다.
5. Count를 선택하고 빈도를 클릭합니다.
6. softness ~ temperature를 선택하고 매크로 > 완전 요인을 클릭합니다.
7. 실행을 클릭합니다.
그림 12.9 3요인 요인 모형에 대한 명목형 로지스틱 적합
"전체 모형 검정" 보고서에서는 3요인 완전 요인 모형이 전체적으로 유의하다는 것을 보여 줍니다(Prob>ChiSq = 0.0006).
"효과 가능도비 검정" 보고서에서는 softness를 포함하는 효과가 모형 적합에 유의하게 기여하지 않음을 보여 줍니다. 따라서 softness를 모형에서 제거할 수도 있습니다. "효과 요약" 보고서에서 이를 수행할 수 있습니다.
8. "효과 요약" 보고서의 "소스" 아래에서 softness*previous use ~ softness를 선택하고 제거를 클릭합니다.
보고서가 업데이트되어 2요인 요인 모형이 표시됩니다(Figure 12.10). "전체 모형 검정" 보고서를 보면 2요인 모형도 전체적으로 유의함을 알 수 있습니다.
그림 12.10 2요인 요인 모형에 대한 명목형 로지스틱 적합
세제 브랜드의 이전 사용 여부와 수온이 세제 선호도에 영향을 미친다는 결론을 내릴 수 있습니다. 또한 온도와 이전 사용 여부의 교호작용은 통계적으로 유의하지 않으므로 온도가 이전 사용에 따라 달라진다는 증거가 없습니다.