YesStat — 로지스틱 회귀 (결과)

로지스틱 회귀

Exp(B) · 분류표 · Hosmer-Lemeshow

Hosmer-Lemeshow 검정이 유의하지 않아 모형 적합도가 양호합니다.

관측	예측 0	예측 1	정확도(%)
이직의도 없음	241	38	86.4
이직의도 있음	52	78	60.0
전체 정확 분류율			78.0

분류 기준값 .500

변수	B	S.E.	Wald	df	p	Exp(B)	Exp(B) 95% CI
변수	B	S.E.	Wald	df	p	Exp(B)	하한	상한
직무자원	−0.62	0.18	11.86	1	<.001	0.54	0.38	0.77
직무열의	−0.88	0.17	26.79	1	<.001	0.41	0.30	0.58
직무요구	0.44	0.14	9.88	1	.002	1.55	1.18	2.04
연령	−0.03	0.01	6.42	1	.011	0.97	0.95	0.99
상수	4.16	0.92	20.45	1	<.001	63.95

N = 409. 직무열의가 1점 증가할 때 이직의도가 있을 승산이 0.41배로 감소합니다.

Exp(B) 승산비

분류 정확도

해석interp_rules.rule_id = LOGIT_FIT_OK · 매칭조건 hl_p>.05 AND omnibus_p<.05

모형의 설명력은 Nagelkerke R² = .291이었고, Hosmer-Lemeshow 검정이 유의하지 않아(χ²(8) = 7.14, p = .522) 모형 적합도가 양호하였다. 전체 정확 분류율은 78.0%였다.

직무열의가 1점 증가할 때 이직의도를 가질 승산이 0.41배로 감소하였고(Exp(B) = 0.41, 95% CI [0.30, 0.58]), 직무요구가 1점 증가할 때는 1.55배 증가하였다(95% CI [1.18, 2.04]).

VARIABLE: CATEGORICAL = turnover;
MODEL: turnover ON JR_mean WE_mean JD_mean age;
OUTPUT: STDYX CINTERVAL;

logit turnover JR_mean WE_mean JD_mean age, or
estat gof, group(10)
estat classification
lroc

m <- glm(turnover ~ JR_mean+WE_mean+JD_mean+age, dat, family=binomial)
exp(cbind(OR=coef(m), confint(m)))

LOGISTIC REGRESSION VARIABLES turnover
  /METHOD=ENTER JR_mean WE_mean JD_mean age
  /PRINT=GOODFIT CI(95) /CRITERIA=CUT(0.5).

모형이나 변수 지정을 바꾸면 네 코드가 함께 갱신됩니다. 심사자가 다른 프로그램으로 재현을 요구할 때 그대로 전달할 수 있습니다.