로지스틱 회귀 절편을 해석하는 방법(예제 포함)

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

로지스틱 회귀 모델을 피팅할 때 모델 출력의 원래 항은 모든 예측 변수가 0일 때 발생하는 응답 변수의 로그 확률을 나타냅니다.

그러나 로그 확률은 해석하기 어렵기 때문에 일반적으로 확률 측면에서 절편을 구성합니다.

모델의 각 예측 변수가 0인 경우 다음 공식을 사용하여 반응 변수가 발생할 확률을 이해할 수 있습니다.

 P = e β 0 / (1 +e β 0 )

다음 예에서는 실제로 로지스틱 회귀 절편을 해석하는 방법을 보여줍니다.

관련 항목: 로지스틱 회귀 계수를 해석하는 방법

예: 로지스틱 회귀 절편을 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.

원래 항의 값이 -1.34 임을 알 수 있습니다.

이는 성별 이 0인 경우(즉, 학생이 여성), 실기 시험이 0인 경우(학생이 최종 시험을 준비하기 위해 어떤 실기 시험도 치르지 않은 경우), 학생이 시험에 합격할 로그 확률은 -1.34 임을 의미합니다. . .

로그 확률은 이해하기 어렵기 때문에 대신 확률 측면에서 내용을 다시 작성할 수 있습니다.

• 성공 확률 = e ^{β ₀} / (1 +e ^{β ₀} )
• 성공 확률 = e ^-1.34 / (1 +e ^-1.34 )
• 성공 확률 = 0.208

두 예측 변수가 모두 0인 경우(즉, 준비 시험을 치르지 않은 학생) 학생이 최종 시험에 합격할 확률은 0.208 입니다.

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