이분형 로지스틱 회귀 모형에 대한 프로시저 선택
이분형 로지스틱 회귀 모형은 로지스틱 회귀분석 프로시저나 다항 로지스틱 회귀분석 프로시저를 사용하는 것이 적합할 수 있습니다. 각 프로시저에는 다른 프로시저에서는 사용할 수 없는 옵션이 있습니다. 중요한 이론적 특징은 로지스틱 회귀분석 프로시저에서는 공분산 패턴 수가 전체 케이스 수보다 작은지 여부와 데이터 입력 방법과 관계 없이 모든 예측, 잔차, 영향력 통계, 각 개별 케이스 수준의 데이터를 사용하여 적합도 검정을 생성합니다. 반면에 다항 로지스틱 회귀분석 프로시저에서는 예측변수에 대한 동일한 공분산 패턴을 사용하여 부모집단을 형성하도록 내부적으로 케이스를 통합하고 이러한 부모집단에 따른 예측, 잔차, 적합도를 생성합니다. 모든 예측변수가 범주형이거나 연속형 예측변수에서 값의 수가 제한되어 있는 경우에는 각 개별 공분산 패턴에 여러 케이스가 있도록 부모집단 접근법에서 유효한 적합도 검정과 정보를 제공하는 잔차를 생성할 수 있지만 개별 케이스 수준 접근법에서는 생성할 수 없습니다.
- 로지스틱 회귀
- 다음과 같은 고유 기능을 제공합니다.
- 모형에 대한 Hosmer-Lemeshow 적합도 검정
- 단계선택 분석
- 모형 모수화를 정의하는 대비
- 분류에 대한 선택적 절단점
- 분류도표(C)
- 하나의 케이스 세트에서 보유된 케이스 세트로 모형 적합
- 예측, 잔차, 영향력 통계 저장
- 다항 로지스틱 회귀분석
- 다음과 같은 고유 기능을 제공합니다.
- 적합도 모형에 대한 Pearson 및 편차 카이제곱 검정
- 적합도 검정의 데이터 그룹에 대한 부모집단 지정 사항
- 부모집단에 의한 개수, 예측 개수, 잔차 목록
- 초과 산포에 대한 분산 추정값 수정
- 모수 추정값의 공분산 행렬
- 모수의 선형결합에 대한 검정
- 중첩 모형에 명시된 지정 사항
- 차이변수를 사용한 1-1 일치 조건 로지스틱 회귀 모형 적합
참고:
- 위와 같은 절차는 이항 분포 및 로짓 연결 함수가 있는 일반화 선형 모형과 같은 이분형 데이터 모형에 적합합니다. 다른 연결 함수가 사용자의 데이터에 더 적합한 경우, 일반화 선형 모형 절차를 사용하십시오.
- 반복된 이분형 데이터의 측정치가 있거나 상관분석 레코드가 있는 경우 일반화 선형 모형 또는 일반화 추정 방정식 절차를 검토하십시오.