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 回归的其他示例 • “逆预测”示例
上一个
 • 
下一个
“逆预测”示例
逆预测允许您预测在响应的指定概率处一个自变量的值。若有多个自变量，则必须指定除您要预测的自变量之外的所有自变量值。
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)。在 JMP 中，数据包含在 Ingots.jmp 样本数据表中。
您想预测在可以滚压的概率分别为 0.8 和 0.9、浸泡时间为 2 时的加热时间。
1.
要进行分析，执行名义型 Logistic 回归的示例中的步骤。
2.
从用于“可用性”的“名义型 Logistic 拟合”旁边的红色小三角菜单，选择逆预测。
3.
删除加热时间的值。
因为您要找到加热时间的预测值，因此将加热时间值留空。
4.
为浸泡时间输入 2。
您要预测浸泡时间为 2 时的加热时间。
5.
在“概率”下，在前两行中输入 0.9 和 0.8。
图 11.6 “逆预测规格”窗口
6.
点击确定。
图 11.7 “逆预测”报表
当浸泡时间为 2 时，若金属锭有 90%的机会可以滚压，加热时间的预测值为 39.60，其 95% 置信区间为 32.09 到 57.29。当浸泡时间为 2 时，若金属锭有 80%的机会可以滚压，加热时间的预测值为 49.49，其 95% 置信区间为 39.90 到 78.71。