프로빗 회귀
이 프로시저는 자극의 강도와 자극에 대해 특정 반응을 나타내는 케이스 비율 사이의 관계를 측정합니다. 이 프로시저는 일부 종속변수의 수준에 의해 영향을 받거나 이로 인해 유발되는 이분형 결과가 있는 상황에서 유용하며, 특히 실험용 데이터에 적절합니다. 이 프로시저를 사용하면 특정 반응 비율을 감소시키는 데 필요한 자극의 강도(유효 처방 중위수)를 추정할 수 있습니다.
예. 새 살충제가 개미를 죽이는 데 얼마나 효과적이며 적절한 사용 농도는 얼마입니까? 개미 표본에 다른 농도의 살충제를 사용하고 죽은 개미 수와 약에 노출된 개미 수를 기록하는 실험을 수행할 수 있습니다. 이 데이터에 프로빗 회귀를 적용하면 농도와 죽은 개미의 수 사이의 관계 강도를 판별하고, 살충제 투여 개미의 95%를 확실히 죽이려는 경우에 필요한 살충제 농도를 판별할 수 있습니다.
통계. 회귀계수와 표준 오차, 절편과 표준 오차, Pearson 적합도 카이제곱, 관측빈도와 기대빈도, 독립변수의 유효 수준에 대한 신뢰구간을 선택할 수 있습니다. 도표: 변환된 반응 도표.
프로빗 회귀 데이터 고려사항
데이터. 각 독립변수 값(또는 여러 독립변수 값들의 각 조합)의 경우, 반응변수는 중요한 반응을 표출하는 값들을 포함하는 케이스 수의 개수이어야 하며 전체 관측개수 변수는 해당 독립변수에 대한 값들을 포함하는 전체 케이스 수의 개수이어야 합니다. 요인변수는 범주형이어야 하며 정수로 코딩되어야 합니다.
가정. 관측값은 독립이어야 합니다. 관측 연구에 나타난 것처럼 관측값 수에 비해 독립변수 값이 많으면, 카이제곱량과 적합도 통계량은 유효하지 않을 수도 있습니다.
관련 프로시저. 프로빗 분석은 로지스틱 회귀분석과 밀접한 관계가 있습니다. 실제로 로짓 변환을 선택하면 프로빗 프로시저에서는 본래 로지스틱 회귀분석을 계산합니다. 보통 관측 연구에는 로지스틱 회귀분석이 좀 더 적당한 반면, 계획된 실험에는 프로빗 분석이 더 적절합니다. 결과의 차이를 보면 이러한 두 분석값의 장점을 알 수 있습니다. 로지스틱 회귀분석 프로시저가 독립변수에 대한 승산비 추정값을 보고하는 반면, 프로빗 분석 프로시저는 다양한 반응률에 대한 유효 추정값을 보고합니다(유효 처방 중위수 포함).
프로빗 회귀 분석 구하기
이 기능에는 사용자 정의 테이블 및 고급 통계가 필요합니다.
- 메뉴에서 다음을 선택합니다.
- 반응 빈도 변수를 선택합니다. 이 변수는 검정 자극에 대한 반응을 표출하는 케이스의 수를 나타냅니다. 이 변수의 값은 음수가 될 수 없습니다.
- 전체 관측빈도 변수를 선택합니다. 이 변수는 자극이 적용된 케이스의 수를 나타냅니다. 이 변수의 값은 음수가 될 수 없으며 각 케이스에 대한 반응 빈도 변수값 이상이어야 합니다.
선택적으로 요인변수를 선택할 수 있습니다. 이 경우 범위지정을 클릭하여 집단 범위를 정의합니다.
- 공분산을 한 개 이상 선택합니다. 이 변수에는 각 관측값에 적용되는 자극의 수준이 포함되어 있습니다. 공변량을 변환하려면 변환 드롭 다운 목록에서 변환을 선택합니다. 변환이 적용되지 않으며 대조군이 있는 경우 이 대조군이 분석에 포함됩니다.
- Probit 또는 Logit 모델을 선택하십시오.
- 프로빗 모형(Probit Model)
- 프로빗 변환(누적 표준 정규 분포함수의 역함수)을 반응률에 적용합니다.
- 로짓 모형(Logit Model)
- 반응 비율에 로짓(로그 승산) 변환을 적용합니다.
이 프로시저는 PROBIT 명령 구문을 붙여넣습니다.