로지스틱 회귀 계수를 해석하는 방법(예제 포함)

로지스틱 회귀는 응답 변수가 이진일 때 회귀 모델을 맞추는 데 사용할 수 있는 방법입니다.

로지스틱 회귀 모델을 적용할 때 모델 결과의 계수는 예측 변수의 1단위 증가와 관련된 응답 변수의 로그 우도의 평균 변화를 나타냅니다.

 β = Average Change in Log Odds of Response Variable

우리는 공식 e ^β 를 사용하여 찾을 수 있는 예측 변수의 1단위 증가와 관련된 응답 변수 확률의 평균 변화를 이해하려는 경우가 많습니다.

 e β = Average Change in Odds of Response Variable

다음 예에서는 실제로 로지스틱 회귀 계수를 해석하는 방법을 보여줍니다.

예: 로지스틱 회귀 계수를 해석하는 방법

학생이 수업의 최종 시험에 합격할지 여부를 예측하기 위해 성별 과 연습 시험 횟수를 사용하여 로지스틱 회귀 모델을 적합화한다고 가정합니다.

통계 소프트웨어(예: R, Python , Excel 또는 SAS )를 사용하여 모델을 적합하고 다음 결과를 받았다고 가정합니다.

성별을 해석하는 방법(이진 예측 변수)

성별 에 대한 계수 추정치는 음수임을 알 수 있습니다. 이는 남성일수록 시험 합격 확률이 감소함을 나타냅니다.

또한 성별에 대한 p-값이 0.05보다 작은 것을 볼 수 있는데, 이는 개인의 시험 합격 여부에 통계적으로 유의미한 영향을 미친다는 것을 의미합니다.

남성이라는 것이 개인의 시험 합격 여부에 어떤 영향을 미치는지 정확히 이해하기 위해 공식 e ^{β 를} 사용할 수 있습니다.

e ^-0.56 = 0.57

이는 연습 시험 횟수가 일정하다고 가정할 때 남성이 여성에 비해 시험에 합격할 확률이 0.57 배만 높다는 의미로 해석됩니다.

또한 연습 시험 횟수가 일정하다고 가정할 때 남성이 여성보다 시험에 합격할 확률이 (1 – 0.57) 43% 더 낮다고 말할 수도 있습니다.

실기시험 해석방법(연속예측변수)

실기 시험 에 대한 계수 추정치는 양수이며, 실기 시험을 추가로 치룰 때마다 최종 시험에 합격할 확률이 높아진다는 것을 알 수 있습니다.

또한, 응시한 연습 시험 횟수에 대한 p-값이 0.05 미만임을 알 수 있는데, 이는 개인의 최종 시험 합격 여부에 통계적으로 유의미한 영향을 미친다는 것을 의미합니다.

개인이 최종 시험에 합격했는지 여부에 대한 각 추가 실기 시험의 영향을 정량화하기 위해 공식 e ^{β 를} 사용할 수 있습니다.

e ^1.13 = 3.09

우리는 이를 성별이 일정하다고 가정할 때 추가 실기 시험을 치룰 때마다 최종 시험에 합격할 확률이 3.09 씩 증가한다는 의미로 해석합니다.

또한 성별이 동일하다고 가정할 때 추가 연습 시험을 치룰 때마다 최종 시험 합격 확률이 (3.09 – 1) 209% 증가한다고 말할 수도 있습니다.

참고 : 로지스틱 회귀 모델에서 원래 용어를 해석하는 방법을 알아보려면 이 문서를 참조하세요.

추가 리소스

다음 자습서에서는 로지스틱 회귀에 대한 추가 정보를 제공합니다.

로지스틱 회귀 결과를 보고하는 방법
로지스틱 회귀 분석에 대한 귀무 가설 이해
로지스틱 회귀와 선형 회귀의 차이점