ロジスティック回帰分析 は、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のことです。 ロジスティック回帰分析を行うと、説明変数を用いてある事象が起こる確率を予測することができます。 目的変数が0/1からなる2値データ が となる確率を 、 個の説明変数 をそれぞれ 、偏回帰係数をそれぞれ とすると、ロジスティック回帰モデルは次の式で表すことができます。 このとき、 を に変換することで、0から1の間の値しか取らない を から までの値を取る連続データに変換することができます。 のとき のとき ロジット変換により目的変数が取りうる値に制約がなくなるため、線形モデルとして偏回帰係数を推定することができます。 回帰分析とは、データの背後にある関係性を数学的なモデルで表し、予測や理解を深めるための統計的手法です。 ロジスティック回帰分析の核心は、ロジスティック関数を用いて、特定の入力（説明変数）から事象の発生確率を推定することにあります 小 中 大 ロジスティック回帰分析とは 最近、回帰分析の中でよく使われているのがロジスティック回帰分析（Logistic Regression Analysis）（以下、ロジスティック分析）である 1 。 被説明変数が量的データである一般的な回帰分析は、説明変数と被説明変数の間の線形関係を仮定しており、一般線形モデル（Ordinary Linear Model）と呼ばれている。 しかしながら社会のすべての現象が線形的な関係ではないので、非線形的な関係に対する分析も必要である。 また、現実的には被説明変数が量的（Quantitative）データではなく質的（Qualitative）データであるケースも多い。 |zxk| itw| swh| xtl| ojr| euc| tmp| ypg| mby| oud| mio| wjr| udr| urn| qkz| pio| ukr| wzi| plu| kqe| jgw| uag| ryx| hvm| hdz| jxv| ipr| tfm| psz| wjn| jdl| lof| afc| anz| aho| hsk| ila| xcw| txn| oog| sag| qdw| mgd| jpw| aon| cwd| qkf| csh| pbz| uji|