확인을 누른 후 Minitab이 분석을 수행하고 세션 창에 결과를 표시합니다. 출력의 상단에있는이 테이블에서 나는 연구원이 71 고객의 샘플을 조사 한 것을 볼 수 있습니다, 그 중 22 시리얼을 구입. 이진 로지스틱 회귀 대화 상자의 저장소 단추를 클릭하고 맞춤(이벤트 확률)으로 표시된 상자를 선택하여 판매 확률을 쉽게 계산할 수 있습니다. 이렇게 하면 워크시트에 구매 확률이 저장됩니다. 이 데이터를 보는 또 다른 방법은 로지스틱 회귀를 사용하는 것입니다. 로지스틱 회귀는 예측 변수와 범주형 응답 변수 간의 관계를 모델합니다. Minitab에서 범주형 응답 변수의 특성에 따라 세 가지 유형의 로지스틱 회귀(이진, 명목 또는 서수)중에서 선택할 수 있습니다. 이 예제에서는 응답 변수에 두 가지 수준(응답이 커피 또는 차의 음료 선택)을 가지므로 이진 로지스틱 회귀를 사용합니다. 미니탭은 두 개의 카이스퀘어 통계를 표시합니다: Pearson 카이 스퀘어 통계는 9.212이며 해당 p 값은 0.002로 매우 낮습니다. 우리가 가지고있는 다른 카이 스퀘어 통계는 9.162의 값을 가지고 또한 0.002의 낮은 p-값을 가지고 가능성 비율 카이 스퀘어입니다.

회귀 자습서의 마지막 부분에는 Minitab이 수행할 수 있는 다양한 유형의 회귀 분석의 예가 포함되어 있습니다. 이러한 회귀 예제중 많은 부분에는 데이터 집합이 포함되어 있으므로 직접 시도할 수 있습니다! 나는 데이터로 내 가설을 확인하는 재미를했다, 나는이 정보가 카테고리 데이터를 분석하기 위해 Minitab이 제공하는 도구 중 일부를 식별하는 데 도움이되기를 바랍니다! 여기 Minitab에서 우리는 꽤 많은 커피 마시는 있다. 개인적인 관찰에서, 그것은 더 나가는 사람들이 커피 마시는의 대부분을 하 고 있는 사람 처럼 보였다, 덜 나가는 사람들 차를 선택 하는 것 같다. 나는 시간이 지남에 따라 이것을 발견하고, 결국 조사하기로 결정했다. 이진 로지스틱 회귀는 관측치를 두 가지 범주 중 하나로 분류할 수 있습니다. 이러한 분류는 경우에 따라 판별 분석보다 분류 오류가 적을 수 있습니다. 이를 이해하려면 출력의 다른 부분을 살펴봐야 합니다. 이진 로지스틱 회귀에서 이벤트의 확률을 추정하려고 합니다. 이를 위해 우리는 조건 A에서 성공 확률을 조건 B에서 성공 확률로 나누어 두 이벤트의 배당률을 비교하는 배당률 비율을 사용합니다. 이 모델에는 단일 예측 변수만 있으므로 이진 피팅 선 플롯을 만들어 피팅된 로지스틱 회귀 곡선의 sigmoidal 모양을 시각화할 수 있습니다: 이진 로지스틱 회귀는 이진 응답(종속)에 대한 로지스틱 회귀를 수행하는 데 사용됩니다.

변수(특정 질병의 유무와 같은 두 가지 가능한 값을 가진 변수만, 이러한 종류의 변수는 본질적으로 이분형 변수 즉 이진변수로 알려져 있다). Minitab은 데이터 시트에 벡터 또는 변수를 저장하는 반면 행렬은 숨겨져 있는 행렬 형식입니다(데이터 시트에는 표시되지 않음). Minitab의 바이너리 로지스틱 회귀 옵션은 Stat > 회귀 > 이진 로지스틱 회귀에서 사용할 수 있습니다. 내 유일한 예측 변수 (성격)는 범주형이기 때문에 대화 상자의 요소 필드뿐만 아니라 모델 필드에 입력해야합니다: 다른 회귀 방법을 사용할 때와 마찬가지로 한 번에 하나씩 중요하지 않은 용어를 제거하여 모델을 줄이려고합니다.