二元配適線圖
二元配適線圖針對一個連續預測變數,對合格/不合格或是/否結果的機率建模,可使用原始二元資料列或事件/試驗次數計數,並採用 logit、probit 或 complementary log-log 連線函數。輸出包括迴歸方程、偏差 ANOVA、Deviance R-Sq、AIC、ROC 曲線下面積、係數、比值比(logit)、配適曲線和異常觀測值。
最後審閱
核心要點
二元配適線圖對是/否結果關於一個連續預測變數配適邏輯(或 probit)迴歸,並繪製 S 形機率曲線,顯示某個設定需要變動多少才會使事件變得可能。
用途
二元配適線圖對是/否結果的機率如何隨一個連續預測變數變化進行建模,並在資料上繪製配適的 S 形曲線。當結果為合格/不合格、不合格品/合格品或結塊/未結塊,並且想知道溫度、溼度或劑量等設定需要變動多少才會使事件變得可能時使用。
主要功能
- 接受原始資料(每個單元一列,帶一個是/否欄)或彙總資料(每列給出事件數和試驗次數)。
- Logit、probit 或 complementary log-log 連線函數。
- 迴歸方程、偏差 ANOVA 表、模型彙總、帶信賴區間的係數,以及(對於 logit 連線函數)預測變數任意增量對應的比值比。
- 配適機率曲線圖,可選顯示觀測比例和信賴帶。
- 異常觀測值表(殘差較大或預測變數值異常)以及可選的殘差圖。
- 針對存在重複列的資料,提供可選的次數欄。
統計方法
該工具將帶一個預測變數的二元羅吉斯迴歸作為服從二項分配的廣義線性模型,用最大概似法(迭代加權最小平方法)進行配適。對於 logit 連線函數,P(event) = exp(b₀ + b₁x) / (1 + exp(b₀ + b₁x));對於 probit,P = Φ(b₀ + b₁x);對於 complementary log-log,P = 1 − exp(−exp(b₀ + b₁x))。在原始資料格式中,反應等於 Event value 的列計為事件,其餘各列計為非事件。
ANOVA 表透過偏差的下降來檢定預測變數:χ² = 零模型偏差 − 殘差偏差,自由度為 1。Deviance R-Sq 是所解釋的零模型偏差所佔的比例。係數表給出 Wald z 值和信賴區間 b ± z·SE;增量 Δ 對應的比值比為 exp(b₁·Δ),其區間為 exp(Δ × b₁ 的各限值)。ROC 曲線下面積(Area Under ROC Curve)是隨機選取的一個事件比隨機選取的一個非事件具有更高配適機率的可能性(0.5 = 無區分能力,1 = 完美)。
曲線周圍的信賴帶使用線性預測值的標準誤,並轉換回機率尺度。在異常觀測值表中,標準化殘差超出 ±2 的標記為 R,槓桿值高於 3p/n 的標記為 X。對於原始資料,圖上的觀測比例是沿預測變數劃分的最多 10 個等大小分組內的事件率。
輸入欄位和選項
欄位 | 說明 |
Data format | Binary response(每個觀測一列,預設)或 Event/Trial(每個設定一列,帶事件數和試驗次數)。 |
Response / Event value | Binary response 格式:存放結果的欄,以及該欄中計為事件的值(例如 Yes、Fail、1)。 |
Number of events / Number of trials | Event/Trial 格式:包含事件數以及每列所測試單元數的欄。 |
Event name | 事件的可選標籤,用於方程和圖的座標軸,例如 Caked。留空時:使用 Event value(Binary response 格式)或事件數欄的名稱(Event/Trial 格式)。 |
Predictor (continuous) | 數值型預測變數。必填。 |
Link function | Logit(預設)、Probit 或 Complementary log-log。 |
Confidence level | 預設值為 95。 |
Type of confidence interval | Two-sided(預設)、Lower bound 或 Upper bound;適用於係數、比值比和曲線信賴帶。 |
Frequency (optional) | 包含每列出現次數的欄。 |
Increment for odds ratio | 報告比值比時所對應的預測變數變化量。預設值為 1。僅適用於 logit 連線函數。 |
Display observed proportions / Display confidence interval | 在圖中新增觀測事件比例和信賴帶。預設關閉。 |
Residuals for plots | 殘差圖使用 Regular 或 Deviance 殘差。 |
Histogram of residuals / Normal probability plot of residuals / Residuals versus order / Three in one | 殘差圖;Three in one 將三者繪製在一起。 |
Residuals versus the variables | 將殘差對所選欄作圖。 |

圖 1 — 袋裝結塊範例的選項:以 Caked 為反應,事件為 Yes,以 Storage_RH_pct 為預測變數,logit 連線函數,溼度每增加 5 個點的比值比。
輸出說明
- Regression Equation —— 事件的配適機率,表示為預測變數的函數。
- Analysis of Variance —— 預測變數的偏差檢定(Adj Dev、Chi-Square、P-Value),以及誤差偏差和總偏差。
- Model Summary —— Deviance R-Sq、Deviance R-Sq(adj)、AIC、AICc、BIC 和 Area Under ROC Curve。
- Coefficients —— 常數項和預測變數的 Coef、SE Coef、Z-Value、P-Value 和信賴限。
- Odds Ratios for Continuous Predictors(或 Odds Ratios (Increment=Δ))—— 僅適用於 logit 連線函數。
- Binary Fitted Line Plot —— 配適機率曲線;若已勾選,還包括觀測比例和信賴帶。
- Fits and Diagnostics for Unusual Observations —— 標記為 R(殘差較大)或 X(X 值異常)的列。
- 殘差圖(若已選擇)。
- 透過 Download 匯出 PDF。

圖 2 — 結塊機率對儲存溼度的二元配適線圖:曲線在約 64% RH 處越過 50%。
計算範例
純鹼在潮溼條件下儲存時可能在袋中結塊。某倉庫團隊檢查 50 袋庫存,記錄每袋所處環境的平均相對溼度(Storage_RH_pct,35 至 88%)以及產品是否結塊(Caked:25 個 Yes,25 個 No)。他們選擇 Caked 作為反應,Event value 為 Yes,以 Storage_RH_pct 作為預測變數,保留 logit 連線函數,將比值比增量設為 5,並勾選兩個顯示選項。
溼度的影響很明顯:偏差卡方為 41.55,p < 0.001,Deviance R-Sq 為 59.94%,ROC 曲線下面積為 0.9472,因此溼度能很好地區分結塊袋與完好袋。方程為 P(Yes) = exp(−10.73 + 0.1681 RH) / (1 + exp(−10.73 + 0.1681 RH))。溼度每上升 5 個點,結塊的比值乘以 2.32(95% CI 為 1.55 至 3.46)。根據該方程,結塊機率在 55% RH 時約為 19%,在 63.8% RH 時為 50%,在 70% RH 時為 74%。
有三袋被標記為異常:兩袋在較低的配適機率(0.12 和 0.10)下結了塊,一袋在 0.90 時仍保持完好;值得檢查是否存在襯袋破損等其他原因。若要將結塊風險保持在約 10% 以下,曲線表明應在低於約 51% RH 的條件下儲存。改用 probit 連線函數得到的配適幾乎相同(Deviance R-Sq 為 60.50%)。
常見問題
什麼是二元配適線圖?
二元配適線圖對合格/不合格或結塊/未結塊等是/否結果的機率如何隨一個連續預測變數變化進行建模,並在資料上繪製配適的 S 形曲線。它是帶一個預測變數的二元羅吉斯迴歸,用最大概似法配適,可採用 logit、probit 或 complementary log-log 連線函數。
如何解讀二元配適線圖中的比值比?
對於 logit 連線函數,預測變數增量對應的比值比為 exp(b1 x 增量)。它是該變化使事件比值所乘以的因子。在範例中,儲存溼度每上升 5 個點,結塊的比值乘以 2.32,95% 信賴區間為 1.55 至 3.46。
如何判斷預測變數是否有顯著影響?
ANOVA 表透過偏差的下降(自由度為 1 的卡方)來檢定預測變數;p 值小表示影響明顯。Deviance R-Sq 顯示所解釋的零模型偏差所佔的比例,ROC 曲線下面積顯示區分能力,其中 0.5 表示無區分能力,1 表示完美。
如何在 Zometric Statistical Software 中製作二元配適線圖?
選擇資料格式:帶 Event value 的二元反應欄,或事件數和試驗次數欄。選擇連續預測變數和連線函數(預設為 logit),設定信賴水準和比值比增量,並可選擇顯示觀測比例和信賴帶。輸出給出方程、表格和圖形。
