mydocs

LogitRegAna

(2項)ロジスティック回帰分析

概要

非線形回帰分析の場合

目的変数が、0と1からなる2値のデータ、あるいは0から1までの値からなる確率などのデータについて、 説明変数を使った式で表す方法です。
ロイステック回帰分析を行うと、説明変数を用いて有る事象が起こる確率を予測擂ることができます。
(ロイステック回帰分析が目的変数をロジット変換した値を回帰分析)

AIC(赤池の情報基準)の場合

モデルの当てはまり度を表す統計量。
値が小さいほど当てはまりがいいとされますが、相対的な評価として用いられるため、
「○以下であることが望ましい」というような基準はありません。

使い方

非線形回帰分析の場合

glsyi = [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
glsxij = [
     [1, 24],
     [1, 18],
     [0, 15],
     [1, 16],
     [0, 10],
     [1, 26],
     [1, 2],
     [0, 24],
     [1, 18],
     [1, 22],
     [1, 3],
     [1, 6],
     [0, 15],
     [0, 12],
     [1, 6],
     [0, 6],
     [1, 12],
     [0, 12],
     [1, 18],
     [1, 3],
     [1, 8],
     [0, 9],
     [0, 12],
     [0, 6],
     [0, 8],
     [1, 12],
]
regana = Num4RegAnaLib::LogitRegAnaLib.new
regana.non_line_reg_ana(glsyi, glsxij)

AIC(赤池の情報基準)の場合

reg = {
     :intercept=>  -6.2313,    # 定数項
     :slope=>      [2.5995, 0.1652],     # 回帰係数
}
xij = [
     [1, 24],
     [1, 18],
     [0, 15],
     [1, 16],
     [0, 10],
     [1, 26],
     [1, 2],
     [0, 24],
     [1, 18],
     [1, 22],
     [1, 3],
     [1, 6],
     [0, 15],
     [0, 12],
     [1, 6],
     [0, 6],
     [1, 12],
     [0, 12],
     [1, 18],
     [1, 3],
     [1, 8],
     [0, 9],
     [0, 12],
     [0, 6],
     [0, 8],
     [1, 12],
]
regana = Num4RegAnaLib::LogitRegAnaLib.new
regana.get_aic(reg, xij)

This site is open source. Improve this page.