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 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 성별연습 시험 횟수를 사용하여 로지스틱 회귀 모델을 적합화한다고 가정합니다.

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

계수 추정 표준 에러 Z 값 P-값
인터셉트 -1.34 0.23 5.83 <0.001
남성 성별) -0.56 0.25 2.24 0.03
실기시험 1.13 0.43 2.63 0.01

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

의견을 추가하다

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다