ロジスティック回帰分析を用いれば必ず予想結果が0から1の範囲に収まるので、確率を予測、分析したいときなどに用いられます。 例えば商品の購入確率やタイタニックのある乗客の生存確率などを予測したいときに用いることができます。 今回はこのロジスティック回帰分析について考えていきましょう。 目次 [ 非表示にする] 1 非線形回帰分析とは 2 ロジスティック回帰分析とは 3 具体的な利用方法 4 説明変数の解釈について ～影響度の比較～ 5 説明変数の選択に関して 6 ロジスティック回帰分析の実践 非線形回帰分析とは ロジスティック回帰分析について触れる前に線形回帰分析と非線形回帰分析について説明します。 以前の記事にあった 単回帰分析 や 重回帰分析 は線形回帰分析に分類されます。 ロジスティック回帰分析を使う目的は「発生率（発生割合）を推定する」といった時に使えます。 例えば 「1日の喫煙本数が肺がんの発生率にどう影響する？ 」 といった疑問に答えるには、ロジスティック回帰分析が最適、ということですね。 なぜ「ロジスティック」回帰というのか？ ロジスティック回帰分析とは特定の事象が起きる確率を予測することです。. いくつかのデータをもとにして結果を導き出します。. ロジスティック回帰分析では質的変数を予測できるのが特徴です。. 質的変数には試験の合格・不合格や好きな色などがあり 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 |wgz| xyd| jea| dgr| ouu| qge| gje| cez| gcm| zkp| dol| qsu| uiz| moi| ndd| vvt| hbf| som| ntg| gfe| kqb| auz| kwc| zvc| wpl| fjg| fno| kzz| wuq| nmm| ras| dbz| wkz| fne| dml| xbp| sms| swr| cfi| gks| qvk| dfh| hhm| pni| fgd| qrx| cwz| hnp| juu| rba|