wszspj2的部落格

標題:

• 37.5x52.5cm是什麼尺寸的紙？
• 亞太行動電話
• 5下翰林數學作業簿解答
• levis 504
• 快告訴我這台數位相機的型號....急
• 嘉義系統五金行
• 可以將電腦的圖片音樂傳到motorola v180嗎-怎麼用
• 已知條件 A=1065 . B=448
• 急問..關於數位相機Sony T9(黑色機）的周邊商品！！！
• 公屋搬私人屋苑

此文章來自奇摩知識+如有不便請留言告知

MINITAB解釋Binary Regression

發問:

請幫忙解釋MINITAB中Binary Logistic Regression的所有數據代表意思 Binary Logistic Regression: neweyes versus cputime, age Link Function: LogitResponse InformationVariable Value Countneweyes 1 161 (Event) 0 61 Total 222Logistic Regression Table ... 顯示更多 請幫忙解釋MINITAB中Binary Logistic Regression的所有數據代表意思 Binary Logistic Regression: neweyes versus cputime, age Link Function: Logit Response Information Variable Value Count neweyes 1 161 (Event) 0 61 Total 222 Logistic Regression Table Odds 95% CI Predictor Coef SE Coef Z P Ratio Lower Upper Constant -0.278532 1.88890 -0.15 0.883 cputime 1.34257 0.859443 1.56 0.118 3.83 0.71 20.64 age 0.0562209 0.893042 0.06 0.950 1.06 0.18 6.09 cputime*age -0.440088 0.411154 -1.07 0.284 0.64 0.29 1.44 Log-Likelihood = -123.459 Test that all slopes are zero: G = 14.132, DF = 3, P-Value = 0.003 Goodness-of-Fit Tests Method Chi-Square DF P Pearson 7.39092 5 0.193 Deviance 7.61868 5 0.179 Hosmer-Lemeshow 2.91617 2 0.233 Table of Observed and Expected Frequencies: (See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) Group Value 1 2 3 4 Total 1 Obs 8 48 80 25 161 Exp 10.6 44.9 78.8 26.7 0 Obs 14 20 22 5 61 Exp 11.4 23.1 23.2 3.3 Total 22 68 102 30 222

最佳解答:

Binary Logistic Regression: neweyes versus cputime, age Link Function: Logit 二元反應變數 neweyes 對 cputime, age 兩解釋變數做 logistic regression, 也就是採用 logit 為 link function, 具體而言, 模型是 ln(p/(1-p)) = β0+β1*cputime+β2*age+β3*cputime*age p = P[neweyes = 1] Response Information Variable Value Count neweyes 1 161 (Event) 0 61 Total 222 反應變數之基本資訊: 變數名稱 neweyes, 值 1 者有 161 筆, 值 0 者有 61 筆, 合計 222筆資料. (neweyes = 1 代表 event 發生) Logistic Regression Table Odds 95% CI Predictor Coef SE Coef Z P Ratio Lower Upper Constant -0.278532 1.88890 -0.15 0.883 cputime 1.34257 0.859443 1.56 0.118 3.83 0.71 20.64 age 0.0562209 0.893042 0.06 0.950 1.06 0.18 6.09 cputime*age -0.440088 0.411154 -1.07 0.284 0.64 0.29 1.44 Logistic regression 軟體輸出報表 常數項: 係數 -0.278532, 標準誤 1.88890, z 值(一般稱 t 值) -0.15, p-值 0.883 變數 cputime, 係數 1.34257, 標準誤 0.85944, z值 1.56, p-值 0.118 (若顯著水準是 0.05, 則此係數不顯著, 即無法推翻 β1=0 之假說.) odds ratio = e^(β1) 的估計值是 3.83, 其95%水準信賴區間是 [0.71,20.64], 包含 1, 表示在95%信賴水準, 也就是顯著水準0.05之下, 單看 cputime 主效應項的話, 似乎它並 不會提高 neweyes = 1 的機率. age 的解讀類似. 不過, 此輸出包含 cputime 與 age 對 neweyes 的交互作用項, 而 此項係數 -0.440088, z 值 -1.07, p-值 0.284, 顯見這項是沒必要加 的. Odds ratio 的 95% 水準信賴區間包含 1 在內, 揭示了類似訊息. Log-Likelihood = -123.459 Test that all slopes are zero: G = 14.132, DF = 3, P-Value = 0.003 模型整體解釋力檢定的 p-值是 0.003, 相當小, 顯示模型是有解釋能 力的, 只是因為模型多了不必要的 cputime*age 項, 以致所有係數都 不顯著. 因此, 應該先把交互作用項重新跑看看結果如何. Goodness-of-Fit Tests Method Chi-Square DF P Pearson 7.39092 5 0.193 Deviance 7.61868 5 0.179 Hosmer-Lemeshow 2.91617 2 0.233 模型的配適度檢定. 三種檢定 p-值都相當高, 高於一般常用的顯著水準, 也就是可以說模型尚能符合資料. Table of Observed and Expected Frequencies: (See Hosmer-Lemeshow Test for the Pearson Chi-Square Statistic) Group Value 1 2 3 4 Total 1 Obs 8 48 80 25 161 Exp 10.6 44.9 78.8 26.7 0 Obs 14 20 22 5 61 Exp 11.4 23.1 23.2 3.3 Total 22 68 102 30 222 這是做 Hosmer-Lemeshow 配合適度檢定的次數表. 不過為什麼是這樣的結果我不清楚.

其他解答:5FAD1C75CFAE8A5F