この例では、「Car Physical Data.jmp」サンプルデータを使用して、ロジスティックプロットの例をもう1つ紹介します。「車両重量」によって、116台の車両のサイズ（「タイプ」）を予測するとしましょう。車両サイズは小さいものから順に、「Sporty」、「Small」、「Compact」、「Medium」、「Large」とします。
|
1.
|
［ヘルプ］>［サンプルデータライブラリ］を選択し、「Car Physical Data.jmp」を開きます。
|
|
2.
|
|
3.
|
「タイプ」を右クリックし、［列情報］を選択します。
|
|
4.
|
「列プロパティ」メニューから［値の順序］を選択します。
|
|
6.
|
［OK］をクリックします。
|
|
7.
|
［分析］>［二変量の関係］を選びます。
|
|
8.
|
「タイプ」を選択し、［Y, 目的変数］をクリックします。
|
|
9.
|
「車両重量」を選択し、［X, 説明変数］をクリックします。
|
|
10.
|
［OK］をクリックします。
|
「タイプ」を「車両重量」によってロジスティックであてはめたプロットの例を見ると、次のことがわかります。
|
•
|
X変数が応答変数に対して効果を持たない場合、ロジスティック曲線は水平になります。つまり、応答変数の各水準の確率が、説明変数の範囲全体にわたって一定になります。予測が無意味なデータとロジスティックプロットの例のロジスティックプロットが、ロジスティック曲線が水平となる例です。このような場合では、「タイプ」の確率を予測するのに、「車両重量」は役立ちません。
メモ: 予測が無意味なデータとロジスティックプロットの例および予測が完全となるデータとロジスティックプロットのプロットを再現するには、図中のデータテーブルを作成してから、この節の冒頭で紹介した手順7 ～ 10を実行します。
説明変数の値から応答変数の値を完全に予測できる場合、ロジスティック曲線は事実上垂直になります。応答の予測値はどの説明変数の値においてもほぼ確か（確率がほとんど1）です。予測が完全となるデータとロジスティックプロットのロジスティックプロットでは、「車両重量」が「タイプ」をほぼ完全に予測しています。
この場合、パラメータ推定値が非常に大きくなり、回帰レポート上に「不安定」と表示されます。そのような場合には、［一般化線形モデル］において［Firthバイアス調整推定値］を使用することを検討してください。Firthバイアス調整推定については、『基本的な回帰モデル』の「一般化線形モデル」章を参照してください。