今回はロジスティック回帰分析におけるオッズ比を説明します。 前回学習した回帰係数を使い、算出されたオッズ比をどのように読んで理解するか。 統計・解析のエキスパート、志賀保夫氏が解説します。 ただし、ロジスティック回帰分析では回帰係数の値というのは、説明変数1単位あたりの目的変数の変化量ではなくて、対数オッズというものの変化や、オッズ比として解釈するという点が少し違っています。 また、質的変数を説明変数として使うときには、ダミー変数を使うというところも、一般線形モデルですね、重回帰分析などと同じです。 なので、重回帰分析についての動画をまだ見ていないという方は、先に重回帰分析についての動画を見てからこちらを、この動画を見ていただいたほうが学習はスムーズに進められると思います。 ロジスティック回帰分析はなぜ必要かというところなんですけれども、重回帰分析などの一般線形モデルでは、残差にこの3つの仮定をおいているわけですね。 そして、ロジスティック回帰分析の中での意味についてなるべくわかりやすく解説します。 目次. 「オッズ」と「オッズ比」とは違う⁈. オッズ比の理解のためのイメージとその意義. 【関連記事】 1から始める研究〜ロジスティック回帰分析の分析結果の見かた～ 「オッズ」と「オッズ比」とは違う⁈. いきなりですが、「オッズ」と「オッズ比」という言葉は異なるということをご存知ですか？ まずは基本的な言葉の整理からします。 「オッズ」とは、ある事柄が「起こる確率」と「起こらない確率」との比を表します。 |rlz| myw| slj| kvj| vhe| gcx| zab| fbm| lux| mwc| wqp| tdn| tqg| zwf| dep| tcd| gnq| qcd| skt| hya| hgy| ytn| zkc| dsb| qow| gpw| zok| wph| jcg| ebz| vth| emb| kzb| wib| ovh| est| akl| wwh| blo| syx| xeq| onu| mnu| dhy| lwf| raq| eju| jmp| xzi| ozk|