명목형 및 순서형 적합 옵션
"명목형 로지스틱 적합"과 "순서형 로지스틱 적합"의 빨간색 삼각형 메뉴에서 모두 다음 옵션을 사용할 수 있습니다.
로지스틱 그림
(모형이 단일 연속형 효과로 구성된 경우에만 사용 가능) "로지스틱 그림" 보고서를 표시하거나 숨깁니다. 자세한 내용은 로지스틱 적합 보고서에서 확인하십시오.
가능도비 검정
"효과 가능도비 검정" 보고서를 표시하거나 숨깁니다. 가능도비 카이제곱 검정은 완전 모형과 검정할 가설의 제약을 받는 모형 간의 로그 가능도 차이의 두 배로 계산됩니다. 제약이 있는 모형은 효과를 포함하지 않는 모형입니다. 이러한 검정은 각 검정마다 별도의 반복 집합이 필요하므로 시간이 걸릴 수 있습니다. 따라서 큰 문제의 경우 시간이 오래 걸릴 수 있습니다.
참고: 가능도비 검정은 완료하는 데 20초 미만이 걸릴 것으로 예상되는 경우 플랫폼 기본값입니다. 이 기본 옵션을 사용하는 것이 좋습니다.
Wald 검정
"효과 Wald 검정" 보고서를 표시하거나 숨깁니다. Wald 카이제곱은 가능도비 검정에 대한 2차 근사이며 계산의 부산물입니다. Wald 검정은 신뢰도가 낮다고 간주되지만 효과 선별을 위해 적절한 유의성 지표를 제공합니다. 각 모수 추정값 및 효과가 Wald 검정과 함께 표시됩니다. 이 검정은 가능도비 검정을 완료하는 데 20초를 초과할 것으로 예상되는 경우 기본 검정입니다.
신뢰 구간
모형 모수에 대한 프로파일 - 가능도 신뢰 구간을 표시하거나 숨깁니다. "모형 적합" 창의 "모형 규격" 빨간색 삼각형 메뉴에서 "유의 수준 설정"을 선택하여 신뢰 수준을 변경할 수 있습니다. 각 신뢰 한계에는 모형 적합에 일련의 반복이 필요하며 계산하는 데 시간이 오래 걸릴 수 있습니다. 그뿐만 아니라 한계를 찾는 데 실패할 수도 있습니다.
승산비
(수준이 세 개 이상인 명목형 반응에는 사용 불가능) 단위 승산비와 범위 승산비가 포함된 승산비 보고서를 표시하거나 숨깁니다. 자세한 내용은 승산비에 대한 통계 상세 정보에서 확인하십시오.
그림 12.6 승산비
ROC 곡선
모형에 대한 ROC 곡선을 표시하거나 숨깁니다. ROC(Receiver Operating Characteristic) 곡선은 반응 수준을 정렬하기 위해 모형의 적합 확률의 정렬 효율성을 측정합니다. ROC 곡선은 진단 검정에서 기준점을 설정하는 데도 도움이 될 수 있습니다. 대각과 곡선의 거리가 멀수록 적합도가 높습니다. ROC 곡선에 대한 소개는 기본 분석의 ROC 곡선에서 확인하십시오.
로지스틱 적합에 세 개 이상의 반응 수준이 있는 경우 일반화 ROC 곡선(파티션 플랫폼의 ROC 곡선과 동일)이 생성됩니다. 이 그림에는 각 반응 수준에 대한 곡선, 즉 다른 모든 수준에 대한 해당 수준의 ROC 곡선이 있습니다. 자세한 내용은 예측 및 전문 모델링의 ROC 곡선에서 확인하십시오.
검증 열을 지정한 경우 훈련 데이터 집합, 검증 데이터 집합 및 테스트 데이터 집합에 대해 각각 ROC 곡선이 표시됩니다.
향상도 곡선
모형에 대한 향상도 곡선을 표시하거나 숨깁니다. 향상도 곡선은 ROC 곡선과 동일한 정보를 보여 주되, 시작점에서 정렬의 풍부도를 극화하는 방법을 사용합니다. 세로 축은 모집단 중 해당 부분이 해당 반응 수준 전체의 비율에 비해 선택된 반응 수준에 얼마나 풍부하게 포함되었는지를 보여 줍니다. 검증 열을 지정한 경우 훈련 데이터 집합, 검증 데이터 집합 및 테스트 데이터 집합에 대해 각각 향상도 곡선이 표시됩니다. 향상도 곡선에 대한 자세한 내용은 예측 및 전문 모델링의 향상도 곡선에서 확인하십시오.
정밀도-재현율 곡선
반응 변수의 각 수준에 대한 곡선이 포함된 정밀도-재현율 곡선 그림을 표시하거나 숨깁니다. 정밀도-재현율 곡선은 다양한 임계값에서 정밀도 값 대 재현율 값을 표시합니다. 검증 열을 지정한 경우 훈련 데이터 집합, 검증 데이터 집합 및 테스트 데이터 집합에 대해 각각 그림이 표시됩니다. 자세한 내용은 예측 및 전문 모델링의 정밀도-재현율 곡선에서 확인하십시오.
혼동 행렬
"혼동 행렬" 보고서 및 "혼동 비율" 보고서가 포함된 혼동 통계량 보고서를 표시하거나 숨깁니다. 두 보고서 모두 실제 반응 수준과 예측 반응 수준의 이원 분류입니다. 예측 반응 수준은 시작 창에 지정된 목표 수준입니다. 혼동 비율 보고서는 값을 행 합계로 나눈 혼동 행렬 보고서와 동일합니다.
적합한 모형은 예측 반응 수준이 실제 반응 수준과 동일해야 합니다. 혼동 행렬 보고서를 통해 예측 반응이 실제 반응에 잘 맞는지 평가할 수 있습니다. 검증 열을 지정한 경우 훈련 데이터 집합, 검증 데이터 집합 및 테스트 데이터 집합에 대해 각각 혼동 행렬이 표시됩니다.
반응이 명목형이고 "수익 행렬" 열 특성이 있는 경우 이 옵션을 선택하면 결정 행렬 보고서도 나타납니다. 결정 행렬 보고서에 대한 자세한 내용은 예측 및 전문 모델링의 결정 행렬 보고서에서 확인하십시오.
결정 임계값
(이항 반응에만 사용 가능) 훈련, 검증 및 테스트(지정된 경우) 데이터 집합에 대한 "결정 임계값" 보고서를 표시하거나 숨깁니다. 각 보고서에는 모형 적합을 비교할 수 있도록 각 모형에 대한 적합 확률 분포 그래프, 각 모형에 대한 혼동 행렬 및 분류 그래프가 포함되어 있습니다. "결정 임계값" 보고서에 대한 자세한 내용은 예측 및 전문 모델링의 결정 임계값 보고서에서 확인하십시오.
프로파일러
모형의 요인 값이 변경될 때 지정된 반응 확률에 대한 적합된 값을 보여 주는 예측 프로파일러를 표시하거나 숨깁니다. 이 기능은 명목형 반응과 순서형 반응에 모두 사용할 수 있습니다. 빨간색 삼각형 메뉴의 옵션에 대한 자세한 내용은 프로파일러의 프로파일러에서 확인하십시오.
등고선 프로파일러
(모형에 두 개 이상의 연속형 요인이 포함된 경우에만 사용 가능) 등고선 프로파일러를 표시하거나 숨깁니다. 빨간색 삼각형 메뉴의 옵션에 대한 자세한 내용은 프로파일러의 등고선 프로파일러 플랫폼 옵션에서 확인하십시오.
모형 대화상자
현재 분석을 위해 완료된 "모형 적합" 시작 창을 표시합니다.
효과 요약
모형의 효과를 대화식으로 업데이트할 수 있는 "효과 요약" 보고서를 표시하거나 숨깁니다. 자세한 내용은 로지스틱 적합 보고서에서 확인하십시오.
다음 옵션에 대한 자세한 내용은 JMP 사용의 “Local Data Filters in JMP Reports”, “Redo Menus in JMP Reports”, “Save Platform Preferences” 및 “Save Script Menus in JMP Reports”에서 확인하십시오.
로컬 데이터 필터
특정 보고서에서 사용되는 데이터를 필터링할 수 있는 로컬 데이터 필터를 표시하거나 숨깁니다.
다시 실행
분석을 반복하거나 다시 시작할 수 있는 옵션이 포함되어 있습니다. 이 기능을 지원하는 플랫폼에서 "자동 재계산" 옵션은 해당하는 보고서 창에서 데이터 테이블에 대한 변경 사항을 즉시 반영합니다.
플랫폼 환경 설정
현재 플랫폼 환경 설정을 보거나, 현재 JMP 보고서의 설정과 일치하도록 플랫폼 환경 설정을 업데이트할 수 있는 옵션이 포함되어 있습니다.
스크립트 저장
보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다.
그룹별 스크립트 저장
기준 변수의 모든 수준에 대한 플랫폼 보고서를 재생성하는 스크립트를 여러 대상에 저장할 수 있는 옵션이 포함되어 있습니다. 시작 창에서 기준 변수를 지정한 경우에만 사용할 수 있습니다.
참고: 이 플랫폼의 추가 옵션은 스크립트를 통해 사용할 수 있습니다. 자세한 내용은 "도움말" 메뉴의 "스크립트 인덱스"에서 여십시오. 또한 "스크립트 인덱스"에서 이 섹션에 설명된 옵션의 스크립트 예제도 찾을 수 있습니다.