現実の生活でロジスティック回帰を使用する 4 つの例

ロジスティック回帰は、応答変数がバイナリの場合に回帰モデルを近似するために使用する統計手法です。

このチュートリアルでは、実際の生活でロジスティック回帰を使用する 4 つの異なる例を示します。

実ロジスティック回帰の例 #1

医学研究者は、運動と体重が心臓発作の可能性にどのような影響を与えるかを知りたいと考えています。予測変数と心臓発作の可能性との関係を理解するために、研究者はロジスティック回帰を実行できます。

モデルの応答変数は心臓発作となり、次の 2 つの結果が考えられます。

• 心臓発作が起こります。
• 心臓発作は起こりません。

このモデルの結果は、運動量と体重の変化が特定の個人の心臓発作の可能性にどのような影響を与えるかを研究者に正確に伝えることになる。研究者は、適合ロジスティック回帰モデルを使用して、体重と運動に費やした時間に基づいて、特定の個人が心臓発作を起こす可能性を予測することもできます。

実ロジスティック回帰の例 #2

研究者は、GPA、ACT スコア、および受講した AP コースの数が、特定の大学に合格する可能性にどのような影響を与えるかを知りたいと考えています。予測変数と受け入れられる可能性との関係を理解するために、研究者はロジスティック回帰を実行できます。

モデルの応答変数は「受け入れ」となり、次の 2 つの結果が考えられます。

• 学生を受け入れます。
• 学生は受け入れられません。

モデルの結果は、GPA、ACT スコア、および受講した AP コース数の変化が、特定の個人が大学に合格する可能性にどのような影響を与えるかを研究者に正確に伝えることができます。研究者は、適合ロジスティック回帰モデルを使用して、GPA、ACT スコア、および受講した AP コースの数に基づいて、特定の個人が受け入れられる確率を予測することもできます。

ロジスティック回帰の実例 #3

ある企業は、単語数と出身国が電子メールがスパムである可能性に影響を与えるかどうかを知りたいと考えています。これら 2 つの予測変数と電子メールがスパムである可能性の関係を理解するために、研究者はロジスティック回帰を実行できます。

テンプレートの応答変数は「スパム」となり、次の 2 つの結果が考えられます。

• 電子メールはスパムです。
• 電子メールはスパムではありません。

モデルの結果により、単語数と出身国の変化が特定の電子メールがスパムである可能性にどのような影響を与えるかを企業に正確に伝えることができます。同社は、適合ロジスティック回帰モデルを使用して、単語数と発信国に基づいて、特定の電子メールがスパムである可能性を予測することもできます。

実ロジスティック回帰の例 #4

クレジット カード会社は、取引金額とクレジット スコアが特定の取引が不正である可能性に影響を与えるかどうかを知りたいと考えています。これら 2 つの予測変数と取引が不正である可能性との関係を理解するために、企業はロジスティック回帰を実行できます。

モデル内の応答変数は「不正」となり、次の 2 つの結果が生じる可能性があります。

• 取引は詐欺的です。
• この取引は不正行為ではありません。

モデルの結果は、取引金額と信用スコアの変化が特定の取引が不正である可能性にどのような影響を与えるかを企業に正確に伝えます。企業は、適合ロジスティック回帰モデルを使用して、取引金額と取引を行った人の信用スコアに基づいて、特定の取引が不正である可能性を予測することもできます。