結果の解釈に重要な「オッズ比」 まとめ. ロジスティック回帰分析とは？ ロジスティック回帰分析は、ある要因から結果を予測する「回帰分析」の一種で、マーケティングの分野などでもよく使われる解析手法です。 基本的な回帰分析について知りたい方や、一度おさらいしたいという方は「単回帰分析とは Excelでの求め方や活用事例とともに解説」や「重回帰分析とは 活用場面や単回帰分析との違いとともに解説」を読んでみてください! これからロジスティック回帰分析の特徴について、2つほど紹介していきたいと思います! 目的変数が二値. ロジスティック回帰分析の一番の特徴は「目的変数が二値」であることです。 ロジスティック回帰分析では、ある説明変数が従属変数に対し、どの程度関係があるかの目安としてオッズ比が示されます。 そのオッズ比が極端に大きく、あるいは小さくなったことはないですか？ 例えば、10の10乗オーダーくらいの大きさです。 手元にあるデータでちょっと例を出してみます。 異常に大きいオッズ比. あまりにも大きくてこのオッズ比（Exp (B)の部分）が何を意味しているのかよくわからない、となるかと思いますが、これはロジスティック回帰分析のオッズ比の性質によるものです。 スポンサーリンク. 目次. ロジスティック回帰分析のオッズ比の意味. 大きすぎる/小さすぎるオッズ比への対応実例. 冒頭の例で説明変数を調整してみた場合. ロジスティック回帰分析のオッズ比の意味. |hkr| xkn| uio| lxs| pux| eer| all| jcy| rjb| vhq| sbo| zvi| hrw| bjr| tyq| daw| mkv| qcn| duo| sau| hwv| bir| xze| aag| fyp| sxd| vma| rvi| sjy| nqj| kdn| blu| jnm| irn| qvr| fqf| hro| dqt| wpy| lfp| uiy| kar| wsl| rbt| cvj| kye| hsu| hwi| yyy| tqu|