2 項ロジスティック回帰のプロシージャーの選択

ロジスティック回帰プロシージャおよび多項ロジスティック回帰プロシージャを使用して、2 項ロジスティック回帰モデルの当てはめを行うことができます。 それぞれのプロシージャーには、もう一方のプロシージャーにはないオプションがあります。 2 つのプロシージャーには重要な理論上の違いがあります。ロジスティック回帰プロシージャーでは、データの入力方法や共変量パターンの数がケースの総数より少ないかどうかに関係なく、個々のケース・レベルのデータを使用してすべての予測、残差、影響力の統計、および適合度検定が出力されます。一方、多項ロジスティック回帰プロシージャーでは、ケースが内部で集計されて、予測値の共変量パターンが同一である複数の部分母集団が構成され、これらの部分母集団に基づいて予測、残差、および適合度検定が出力されます。 すべての予測値がカテゴリーであるか、または連続型予測値の値の数が限られている場合 (そのために個々の共変量パターンに複数のケースが存在する場合) は、部分母集団アプローチで有効な適合度検定と有益な残差が得られますが、個別のケース・レベル・アプローチでは得られません。

ロジスティック回帰

以下に示す独自機能を備えています。

• モデルの適合度を調べる Hosmer-Lemeshow 検定
• ステップワイズ分析
• モデルのパラメーター化を定義する対比
• 分類のための代替分割点
• 分類プロット(C)
• 1 つのケース・セット上で一連のホールドアウト・ケースに当てはめられたモデル
• 予測、残差、および影響力の統計の保存

多項ロジスティック回帰

以下に示す独自機能を備えています。

• モデルの適合度を調べる Pearson と逸脱カイ 2 乗検定
• 適合度検定用のデータをグループ化するための部分母集団の指定
• 部分母集団別の度数、予測度数、および残差のリスト表示
• 過剰な散らばりに対する分散推定値の修正
• パラメーター推定値の共分散行列
• パラメーターの線型結合の検定
• ネストされたモデルの明示的指定
• 差分変数を使用した 1 対 1 一致条件付きロジスティック回帰モデルの当てはめ