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 "Likelihood, AICc, and BIC"에서 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 "Likelihood, AICc, and BIC"에서 확인하십시오.
BIC
베이지안 정보 기준입니다. 자세한 내용은 선형 모형 적합의 "Likelihood, AICc, and BIC"에서 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.