该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


拟合线性模型 • Logistic 回归模型 • “Logistic 拟合”平台选项 • 名义型和有序型拟合的选项
上一个
 • 
下一个
名义型和有序型拟合的选项
以下选项在“名义型 Logistic 拟合”和“有序型 Logistic 拟合”红色小三角菜单中均可用：
Logistic 图
（仅当您的模型包含单个连续效应时才可用。）显示或隐藏“Logistic 图”报表。请参见Logistic 拟合报表。
似然比检验
显示或隐藏“效应似然比检验”报表。似然比卡方检验计算为完全模型和受检验假设限定的模型的对数似然差值的两倍。限定的模型是不包含该效应的模型。这些检验可能需要一些时间，因为每个检验需要进行单独的一组迭代。因此，对于大问题可能需要很长时间检验。
注意：若预计可在 20 秒之内完成似然比检验，则似然比检验为平台默认值。强烈建议使用该默认选项。
Wald 检验
显示或隐藏“效应 Wald 检验”报表。Wald 卡方是似然比检验的二次近似，它是计算的副产品。尽管 Wald 检验被认为可信度较低，但是它们提供了筛选效应的合适显著性指示符。Wald 检验显示每个参数估计值和效应。若预计似然比检验需要 20 秒以上的时间完成，则这是默认检验。
置信区间
显示或隐藏模型参数的刻画似然置信区间。您可以通过在“拟合模型”窗口的“模型规格”红色小三角菜单中选择“设置 Alpha 水平”来更改置信水平。在模型拟合中每个置信限需要进行一组迭代，可能需要很长时间来计算。此外，有时并不能成功找到置信限。
ROC 曲线
显示或隐藏模型的 ROC 曲线。受试者操作特征 (ROC) 曲线测量模型的拟合概率的排序效率以排序响应水平。ROC 曲线还可以帮助设置诊断检验中的准则点。曲线越高于对角线，拟合效果越好。有关 ROC 曲线的介绍，可参见《基本分析》手册中的“ROC 曲线”。
若 Logistic 拟合具有两个以上的响应水平，它生成广义 ROC 曲线（与“分割”平台中的曲线相同）。在此类图中，每个响应水平有一条曲线，它是该水平相对所有其他水平的 ROC 曲线。请参见《预测和专业建模》手册中的“ROC 曲线”。
若指定了验证列，则为每个训练集、验证集和测试集都显示一条 ROC 曲线。
提升曲线
显示或隐藏模型的提升曲线。提升曲线显示与 ROC 曲线相同的信息，但是它在开头就突出显示排序的丰富程度。垂直轴显示总体比例在所选响应水平中的丰富程度与该响应水平作为整体的比率之比。若指定了验证列，则为每个训练集、验证集和测试集都显示一条提升曲线。有关提升曲线的详细信息，请参见《预测和专业建模》手册中的“提升曲线”。
混杂矩阵
显示或隐藏混杂矩阵，它是实际响应水平和预测响应水平的双因子分类。预测响应水平是具有最高响应概率的水平。对于好的模型，预测响应水平应与实际响应水平相同。混杂矩阵提供一种评估预测响应与实际响应相符程度的方法。若指定了验证列，则为每个训练集、验证集和测试集都显示一个混杂矩阵。
若响应为名义型并且具有“收益矩阵”列属性，选定该选项时也会显示“决策矩阵”报表。有关“决策矩阵”报表的详细信息，请参见《预测和专业建模》手册中的““决策矩阵”报表”。
刻画器
显示或隐藏预测刻画器，显示当模型中因子的值变化时指定响应概率的拟合值。该功能可用于名义型和有序型响应。有关刻画功能的详细信息，请参见《刻画器指南》手册中的“刻画器”。
模型对话框
显示当前分析的完成的启动窗口。
效应汇总
显示或隐藏“效应汇总”报表，该报表支持您以交互方式更新模型中的效应。请参见Logistic 拟合报表。
请参见《使用 JMP》手册中的“本地数据过滤器”、““恢复”菜单”和““保存脚本”菜单” ，获取有关下列选项的信息：
本地数据过滤器
显示或隐藏本地数据过滤器，该过滤器使您可以过滤特定报表中使用的数据。
重新运行
包含使您可以重复运行分析或重新启动分析的选项。在支持该功能的平台中，“自动重新计算”选项可将您对数据表所做的更改立即体现在相应的报表窗口中。
保存脚本
包含使您可以保存脚本的选项，可将重新生成报表的脚本保存到多个不同的位置。
保存“依据”组脚本
包含使您可以保存脚本的选项，可将为“依据”变量的所有水平重新生成平台报表的脚本保存到多个不同的位置。仅当在启动窗口中指定“依据”变量时才可用。