二进制 Logistic 回归模型的等值线图示例主题 解释结果 会话命令 另请参见
二进制 Logistic 回归模型的等值线图示例某公司生产的产品之一是成型树脂零件。该公司知道，管道中的污染和通过软管输送过程中的磨损可能导致最终产品产生褪色条纹。螺丝钉越大，推动粒料通过软管的速度就越快。公司决定使用一种新型树脂粒料收集此类褪色缺陷的数据，以找到输送粒料的最佳方式。
1 打开工作表“树脂缺陷.MTW”。
2 选择统计 > 回归 > Poisson 回归 > 拟合 Poisson 模型。
3 在响应中，输入褪色缺陷。
4 在连续预测变量中，输入清洁小时和温度。
5 在类别预测变量下，输入“螺丝钉的大小”。
6 单击模型。
7 在“预测变量”下，选择“温度”和“螺丝钉的大小”。
8 对于按阶数排列交互作用，请选择2。
9 在按阶数排列交互作用的旁边，单击添加。
10 在两对话框中都单击确定。
11 选择统计 > 回归 > Poisson 回归 > 等值线图。
12 在变量中，选择为所有连续变量对生成图。
13 在为所有连续变量对生成图中，选择在单独的图形上。
14 单击确定。
15 要重新调用上一个对话框，请按 [Ctrl]+[E]。
16 按设置。
17 在保持类别变量在中选择小。
18 在两对话框中都单击确定。
图形窗口输出
螺丝钉的大小为类别变量。因此，合理的做法是将螺丝钉的大小设置在不同的水平，并对等值线图进行比较。响应值为褪色缺陷的数量。
在这两个图中，等值线移动的方向大致相同。增加时间的值和降低温度值会增加缺陷数量。
图例对螺丝钉大小的效应进行了说明。当螺丝钉尺寸较大时，缺陷数量的范围是 50 个以下至 80 个以上。当螺丝钉尺寸较小时，缺陷数量的范围是 52 个以下至 62 个以上。因而当螺丝钉较小时缺陷数量的变化较小。
此图使用模型方程。在您解释此图之前，请确保您的模型准确。