순서 로지스틱 회귀(Ordinal Logistic Regression)

순서 로지스틱 회귀는 하나 이상의 예측 변수와, 순서가 있는 범주가 세 개 이상인 반응 변수 사이의 관계를 분석하는 데 사용하는 통계 모형입니다. 범주는 낮음/보통/높음 또는 동의하지 않음/중립/동의함처럼 자연스러운 순위나 순서를 가지지만, 범주 사이의 정확한 거리는 측정할 수 없습니다.

최종 검토

핵심 요점

순서 로지스틱 회귀는 하나 이상의 예측 변수와, 순서가 있는 범주가 세 개 이상인 반응 변수 사이의 관계를 분석하는 데 사용하는 통계 모형입니다.

이 페이지 내용
  1. 순서 로지스틱 회귀란?
  2. 순서 로지스틱 회귀는 언제 사용합니까?
  3. 순서 로지스틱 회귀의 올바른 사용 지침
  4. 대안: 순서 로지스틱 회귀를 사용하지 않아야 할 때
  5. 순서 로지스틱 회귀 예제
  6. 순서 로지스틱 회귀 방법

순서 로지스틱 회귀란?

순서 로지스틱 회귀는 하나 이상의 예측 변수와 순서가 있는 범주가 세 개 이상인 반응 변수사이의 관계를 분석하는 데 사용하는 통계 모형입니다. 범주는 낮음/보통/높음 또는 동의하지 않음/중립/동의함처럼 자연스러운 순위나 순서를 가지지만, 범주 사이의 정확한 거리는 측정할 수 없습니다. 예측 변수를 바탕으로 각 범주에 속할 확률을 예측합니다.

순서 로지스틱 회귀는 언제 사용합니까?

예측 변수

  • 예측 변수는 연속형, 범주형 또는 둘의 혼합일 수 있습니다
  • 이산 변수는 수준의 수와 분석 목적에 따라 연속형 또는 범주형으로 취급할 수 있습니다
  • 연속형 반응에 연속형 예측 변수가 하나뿐인 경우 → 다음을 사용하십시오: 적합선 그림
  • 연속형 반응에 예측 변수가 여러 개인 경우 → 다음을 사용하십시오: 회귀 모형 적합

반응 변수

  • 반응에는 자연스러운 순위가 있는 순서형 범주가 세 개 이상 있어야 합니다(예: 낮음/보통/높음, 전혀 아님/가끔/항상)
  • 순서는 중요하지만, 범주 사이의 간격이 같을 필요는 없습니다
  • 반응에 범주가 두 개 뿐인 경우(합격/불합격) → 다음을 사용하십시오: 이항 로지스틱 회귀
  • 반응이 순서가 없는 범주 인 경우(긁힘/찍힘/찢어짐) → 다음을 사용하십시오: 명목 로지스틱 회귀
  • 반응이 연속형 인 경우 → 다음을 사용하십시오: 회귀 모형 적합 또는 적합선 그림

순서 로지스틱 회귀의 올바른 사용 지침

  • 반응 변수에 의미 있는 순서를 가진 범주가 세 개 이상있는지 확인하십시오. 순서가 중요하지 않다면 대신 명목 로지스틱 회귀를 사용하십시오.
  • 예측 변수는 연속형 또는 범주형일 수 있습니다. 모형을 실행하기 전에 각 예측 변수가 올바르게 분류되었는지 확인하십시오.
  • 데이터가 대상 모집단을 정확히 대표하는지 확인하십시오. 치우치거나 불완전한 데이터는 신뢰할 수 없는 결과를 낳습니다.
  • 모든 반응 수준에 걸쳐 안정적이고 신뢰할 수 있는 확률 추정값을 얻으려면 범주마다 충분한 데이터 점 을 수집하십시오.
  • 모든 변수를 가능한 한 정확하게측정하십시오. 분류나 측정의 오류는 모형의 정확도에 직접 영향을 줍니다.
  • 시간에 따른 추세나 불일치를 탐지하는 데 도움이 되도록 데이터를 수집한 순서대로 기록하십시오.
  • 적합 후에는 적합도 통계량과 잔차 진단으로 모형을 검증하십시오. 적합이 좋지 않은 모형은 오해를 부르는 예측을 만듭니다.
  • 반드시 비례 승산 가정 을 확인하십시오. 순서 로지스틱 회귀는 각 결과 집단 쌍 사이의 관계가 일관되다고 가정합니다. 이 가정이 위반되면 대신 명목 로지스틱 회귀를 고려하십시오.

대안: 순서 로지스틱 회귀를 사용하지 않아야 할 때

  • 반응에 범주가 두 개 뿐인 경우(예: 합격/불합격) 대신 이항 로지스틱 회귀 를 사용하십시오.
  • 반응 범주에 자연스러운 순서가 없는 경우(예: 긁힘/찍힘/찢어짐) 대신 명목 로지스틱 회귀 를 사용하십시오.
  • 반응 변수가 연속형인 경우 대신 회귀 모형 적합 또는 적합선 그림 을 사용하십시오.
  • 연속형 반응에 연속형 예측 변수가 하나뿐 인 경우 대신 적합선 그림 을 사용하십시오.
  • 연속형 반응에 예측 변수가 여러 개 인 경우 대신 회귀 모형 적합 을 사용하십시오.

순서 로지스틱 회귀 예제

한 진료소의 관리자가 어떤 요인이 환자 만족도에 영향을 미치는지 파악하려고 합니다. 환자에게 후속 진료를 위해 다시 방문할 가능성을 설문하고, 응답을 가능성 낮음, 어느 정도 가능성 있음, 가능성 매우 높음으로 구분합니다. 이 응답 범주에는 자연스러운 순서가 있으므로 관리자는 결과를 순서형 변수로 취급하고 순서 로지스틱 회귀를 사용하여 환자의 재방문 가능성과 고용 상태, 나이, 진료소까지의 거리 같은 예측 변수 사이의 관계를 살펴봅니다. 모형의 통계적 유의성과 적합도를 평가하는 데 유의수준 0.05를 사용합니다. 단계는 다음과 같습니다.

  1. 필요한 데이터를 수집했습니다.
Ordinal Logistic Regression — figure 1
  1. 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
  2. 순서 로지스틱 회귀를 찾으려면 다음을 선택합니다: Statistical module> Regression>Ordinal Logistic Regression.
  3. 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.
Ordinal Logistic Regression — figure 2

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

Ordinal Logistic Regression — figure 3Ordinal Logistic Regression — figure 4

순서 로지스틱 회귀 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> Regression > Ordinal Logistic Regression를 선택합니다.
  3. 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V). 또는 Load Example 옵션을 사용하면 예제 데이터가 로드됩니다.
  4. 다음으로, 필요한 옵션을 입력해야 합니다.
  5. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

순서 로지스틱 회귀 도구 화면은 두 부분으로 나뉩니다.

Ordinal Logistic Regression — figure 5

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.

Load example:예제 데이터가 로드됩니다.

Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

  • Response: 반응은 예측하거나 연구하려는 결과 변수입니다. 순서 로지스틱 회귀에서 반응에는 자연스럽고 의미 있는 순서를 가진 범주가 세 개 이상 있어야 하며, 범주의 순위는 매길 수 있지만 범주 사이의 간격이 같을 필요는 없습니다.
    예:
    그러면 모형은 예측 변수를 바탕으로 관측값이 각 범주에 속할 확률을 계산합니다.
    • 통증 수준 → 경미 / 중간 / 심함
    • 설문 응답 → 동의하지 않음 / 중립 / 동의함
  • Model 모형에 포함할 예측 변수와 교호작용 항 을 지정하여 분석의 구조를 정의합니다. 다음을 포함할 수 있습니다.
    • 연속형 예측 변수 — 온도, 나이, 투여량과 같은 수치 변수
    • 범주형 예측 변수 — 성별, 재료 유형, 지역과 같은 집단 변수
    • 교호작용 항 — 둘 이상의 예측 변수의 조합으로, 개별 기여를 넘어서는 효과를 함께 낼 수 있는 항

자주 묻는 질문

순서 로지스틱 회귀란 무엇입니까?

순서 로지스틱 회귀는 하나 이상의 예측 변수와, 낮음/보통/높음 또는 동의하지 않음/중립/동의함처럼 순서가 있는 범주가 세 개 이상인 반응 사이의 관계를 분석합니다. 범주는 자연스러운 순위를 가지지만 범주 사이의 거리는 측정할 수 없습니다. 예측 변수를 바탕으로 각 범주에 속할 확률을 예측합니다.

명목 로지스틱 회귀 대신 순서 로지스틱 회귀는 언제 사용해야 합니까?

전혀 아님/가끔/항상처럼 반응 범주가 의미 있는 순서를 가질 때 순서 로지스틱 회귀를 사용하십시오. 긁힘/찍힘/찢어짐처럼 순서가 중요하지 않다면 명목 로지스틱 회귀를 사용하십시오. 합격/불합격처럼 범주가 두 개인 반응에는 이항 로지스틱 모형을, 연속형 반응에는 회귀 모형이나 적합선 모형을 사용하십시오.

비례 승산 가정이란 무엇입니까?

순서 로지스틱 회귀는 각 결과 집단 쌍 사이의 관계가 일관되다고 가정하며, 이를 비례 승산 가정이라고 합니다. 이 가정은 적합 후에 확인해야 하며, 위반되면 대신 명목 로지스틱 회귀를 고려하십시오. 적합도 통계량과 잔차 진단으로 모형을 검증하십시오.

순서 로지스틱 회귀에는 어떤 예측 변수를 사용할 수 있습니까?

예측 변수는 온도, 나이, 투여량과 같은 연속형, 재료 유형이나 지역과 같은 범주형, 또는 둘의 혼합일 수 있습니다. 이산 변수는 수준의 수와 분석 목적에 따라 둘 중 어느 쪽으로든 취급할 수 있습니다. 모형에는 예측 변수 간 교호작용 항도 포함할 수 있습니다.