로지스틱 플랫폼의 "전체 모형 검정" 보고서에는 모든 반응 확률에 대해 단순히 상수를 사용하는 것보다 모형이 더 잘 적합되는지 여부가 표시됩니다. 이 보고서는 연속형 반응 모형에 대한 분산 분석 보고서와 유사합니다. 이 보고서에 표시된 검정은 로지스틱 회귀 모형이 데이터를 얼마나 잘 적합시키는지 평가하는 가능도비 카이제곱 검정입니다.
관측된 확률의 음의 자연 로그 합을 음의 로그 가능도(–1*로그 가능도)라고 합니다. 범주형 데이터에 대한 음의 로그 가능도는 연속형 데이터에 대한 제곱합과 유사합니다. 데이터에 적합된 모형과 각 수준에 대해 확률이 동일한 모형 간의 음의 로그 가능도 차이의 두 배가 카이제곱 통계량입니다. 이 검정 통계량은 X 변수의 값이 Y 변수의 수준과 연관이 없다는 가설을 위한 값입니다.
R²(U)(일부 경우에는 R2으로 표기) 값은 0에서 1 사이입니다. R2 값이 높을수록 모형이 더 적합하다는 것을 나타냅니다. 범주형 모형에서는 R2 값이 높은 경우가 드뭅니다.
"전체 모형 검정" 보고서에는 다음 열이 포함됩니다.
모형
변동 소스의 라벨입니다.
차이
완전 모형과 축소 모형 간의 차이입니다. 이 모형은 X 변수가 적합에 기여하는 유의성을 측정하는 데 사용됩니다.
전체
절편과 X 변수를 포함하는 완전 모형입니다.
축소
절편 모수만 포함하는 모형입니다.
-1*로그 가능도
각 모형에 대한 변동을 측정하는 음의 로그 가능도입니다. 자세한 내용은 선형 모형 적합의 가능도, AICc 및 BIC에서 확인하십시오.
DF
완전 모형과 축소 모형 간의 차이에 대한 DF(자유도)입니다.
카이제곱
모형이 전체 표본에서 고정된 반응 비율보다 더 잘 적합되지 않는다는 가설에 대한 가능도비 카이제곱 검정 통계량입니다. 이 검정 통계량은 적합 모형과 절편만 있는 축소 모형 간의 음의 로그 가능도 차이의 두 배로 계산됩니다. 자세한 내용은 로지스틱 플랫폼에 대한 통계 상세 정보에서 확인하십시오.
Prob>ChiSq
지정된 모형이 절편만 포함된 모형보다 더 잘 적합되지 않을 경우 카이제곱 값이 더 클 확률입니다. 대개 이 확률이 0.05 미만이면 모형이 유의한 것으로 판단됩니다.
R²(U)
모형 적합에 기인한 전체 불확실성의 비율로, 차이의 음의 로그 가능도 값을 축소의 음의 로그 가능도 값으로 나눈 값으로 정의됩니다. R²(U) 값이 1이면 발생하는 사건의 예측 확률이 1과 같음을 나타냅니다. 즉, 예측 확률에 불확실성이 없는 것입니다. 로짓 모형의 경우 예측 확률은 거의 확실하지 않으므로 R²(U)가 작은 경향이 있습니다. 자세한 내용은 로지스틱 플랫폼에 대한 통계 상세 정보에서 확인하십시오.
R²(U)는 불확도 계수인 U 또는 McFadden 유사 R2이라고도 합니다.
AICc
수정 Akaike 정보 기준입니다. 자세한 내용은 선형 모형 적합의 가능도, AICc 및 BIC에서 확인하십시오.
BIC
베이지안 정보 기준입니다. 자세한 내용은 선형 모형 적합의 가능도, AICc 및 BIC에서 확인하십시오.
관측값 수(또는 가중치 합)
표본의 총 관측값 수입니다. "모형 적합" 창에서 "빈도" 또는 "가중치" 열이 지정되는 경우 이 값은 빈도 또는 가중치 역할에 할당된 열 값의 합입니다.