公開日: 04/01/2021

ロジスティックプロットの例2

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. 「列」パネルで、「タイプ」の左側のアイコンを右クリックし、[順序尺度]を選択します。

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[値の表示順序]を選択します。

5. 上から順に「Sporty」、「Small」、「Compact」、「Medium」、「Large」となっていることを確認します。

6. [OK]をクリックします。

7. [分析]>[二変量の関係]を選択します。

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。

レポートウィンドウが表示されます。

「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 

Image shown here

次の点を確認してください。

最初(一番下)の曲線は、所定の「車両重量」の車両が「Sporty」である確率を表しています。

2番目の曲線は、車両が「Small」または「Sporty」である確率を表しています。1番目と2番目の曲線の垂直距離が、車両が「Small」である確率です。

プロットを見ると、予想どおり、重量が重い車両ほど「Large」である確率が高くなります。

プロット上の点のX座標はデータの値です。Y座標は応答カテゴリの内側においてランダムにプロットされます。

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。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。

予測が無意味なデータとロジスティックプロットの例 

Image shown here

注: および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。のロジスティックプロットでは、「車両重量」「タイプ」をほぼ完全に予測しています。

予測が完全となるデータとロジスティックプロット 

Image shown here

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]手法の起動を参照してください。

より詳細な情報が必要な場合や、質問があるときは、JMPユーザーコミュニティで答えを見つけましょう (community.jmp.com).