ロジスティック回帰分析 mg.atwikiimg.com.pptVIP

ロジスティック回帰分析with the assistance of Mr. M. Torii 二値データの回帰分析法 規準変数が二値の場合の回帰分析 「成功?失敗」を原因系の変数で予測 「発症?非発症」を原因系の変数で予測 「賛成?反対」を原因系の変数で予測 「賛成?どちらでもない?反対」を「賛成する?賛成しない」の二値に落として原因系の変数で予測 例：心疾患の発症 出展：丹後他(1996)ロジスティック回帰分析原典(Truett et. al. 1967) n=2187,　男性 規準変数 冠状動脈性疾患の発症(12年後に発症したかどうか) 説明変数 年齢 コレステロール 血圧 相対体重 ヘモグロビン 喫煙 ECG所見 分析結果 普通に回帰分析してはいけないのか してはいけない ０?１変数を連続変数で予測するというモデルに無理がある y^=0.8, 1.5, -0.4のような予測値はどのように解釈すればよいか不明 では，どう考えるか 原因系変数が結果の生起確率P(Y=1)に影響すると考えるのが自然 P(Y=1)=a+bxはどうか？ ダメ a+bxは区間[0,1]に収まらないことがある 0.5→0.6とするための努力と0.85 → 0.95とするための努力には違いがある では，どうするか そこで，生起（成功）確率を支配する実力という潜在変数（心理学的連続体）があり，それが正規分布すると仮定する さらに，その潜在変数が原因系の変数（説明変数）から影響を受けることを想定する 実力と成功確率 成功確率：50%?60% 成功確率：85%?95% 実力の増分：0.25 実力の増分：0.60 正規分布のロジット近似 ロジスティック回帰モデル_2 つぎのFを用いてモデル化：　 ロジット（logit） オッズ(odds) オッズ比(odds ratio) 心疾患の例 なぜオッズ比か オッズ(odds) とは比のこと オッズ比．．．比の比 なぜ「比」だけではダメか 例 　　　　Ａ薬　Ｂ薬 比 　治癒　 90 99 0.99/0.90=1.1 未治癒 10 1 0.01/0.10=0.1 　　　　Ａ薬　Ｂ薬 　治癒　 50 55 0.55/0.50=1.1 未治癒 50 45 0.45/0.50=0.9 解説 薬の効きを治癒率の比と未治癒率の比でみたものとが異なるのは矛盾 100名中治癒した割合は1割違うだけであるが，90→99と50→55とは評価は異なるべきであろう では，未治癒率で見ればよいということになるかもしれないが，数値が治癒率と未治癒率が入れ替わっているきは同じ問題が起こる オッズ比でみると 治癒率のオッズ比は未治癒率のオッズ比の逆数 治癒率のオッズ比=2?未治癒率のオッズ比=0.5 1の近くでの変化は中庸での変化より高く評価される 例 　　　　Ａ薬　Ｂ薬 オッズ比 　治癒　 90 99 未治癒 10 1 　　　　Ａ薬　Ｂ薬 　治癒　 50 55 未治癒 50 45 補足 -種々のモデル式- プロビット回帰モデル complementary log-log回帰分析 ロジスティック回帰分析 近似について 二重指数関数とロジスティック関数は標準正規分布関数の近似 ロジスティックが一般的だが，これといった理由はない オッズ比との相性のよさ どの近似を採用しても，データが存在する説明変数ｘの範囲の中では違いは小さい しかし，外挿するときは注意が必要 感度分析．．．3種類の関数で推定してみて大きな差がないことを確認する 具体的事例とSASによる分析 １９８６年NASAスペースシャトルCHALLENGER号爆発事故 事故調査班は原因は「O-ring」という部品の故障だと断定 また、調査班は事故につながる重要な要因として温度を取り上げている 過去のデータから、当時の温度から故障率を予測するとどのような結果になるか？ 過去23回のスペースシャトル打ち上げ時の温度と　　「O-ring」故障数（全６個中） 「故障数」は正規分布ではない SASプログラム- proc logistic- OPTIONS NOCENTER PS=54 LS=90; DATA d1; INPUT num nf no temp @@; CARDS; 1 2 6 53 2 0 6 66 3 0 6 68 4 1 6 70 5 0 6 75 6 0 6 78 7 1 6 57