名义型 Logistic 回归的示例
针对金属锭执行一个实验，采用不同加热时间和浸泡时间准备这些金属锭，然后检验金属锭是否可以滚压。请参见 Cox and Snell (1989)。数据包含在 Ingots.jmp 样本数据表中。在本示例中，“拟合模型”平台使用 Logistic 回归模型（回归变量为加热时间和浸泡时间）拟合“可用性”响应的概率。
1. 选择帮助 > 样本数据库，然后打开 Ingots.jmp。
分类变量可用性的值 Ready 和 Not Ready 指示金属模具是否已准备好滚压。
2. 选择分析 > 拟合模型。
3. 选择可用性，然后点击 Y。
因为您选择了具有“名义型”建模类型的列，“拟合模型”特质更新为“名义型 Logistic”。
因为可用性是只有两个水平的名义型列，将显示“目标水平”选项。该选项支持您指定您要为其概率建模的响应水平。
4. 从“目标水平”列表中，选择“可用性”。
在该模型中，“目标水平”为“可用性”，因此您要对“可用性”响应的概率建模。
5. 选择加热时间和浸泡时间，然后点击添加。
6. 选择计数并点击频数。
7. 点击运行。
拟合过程收敛时，将显示名义型回归报表。
图 11.2 名义型 Logistic 拟合报表
在“整体模型检验”报表中，卡方统计量 (11.64) 的 p 值很小 (0.0030)，这表示整体模型是显著的。但是，浸泡时间的参数估计值的 p 值为 0.8639，这表示浸泡时间在统计上不显著。
8. 点击“‘可用性’的名义型 Logistic 拟合”旁边的红色小三角并选择刻画器。
图 11.3 预测刻画器
当加热时间设置为 45 并且浸泡时间设置为 2 时，可用性的概率为 0.85。
现在，您还可能想使用逆预测查找在特定浸泡时间和指定可以滚压的特定概率时的加热时间。有关本示例的继续，请参见“逆预测”示例。