ロジスティック回帰分析

カテゴリ型の従属変数の要因分析と予測

ロジスティック回帰では、独立変数（説明変数）の値に基づいて、あるイベントが発生する確率を予測します。具体的には、0または1の結果（例：成功/失敗、購入/非購入、合格/不合格など）を予測する際に、その確率が0～1の範囲に収まるようにロジスティック関数（シグモイド関数）が使用されます。

ロジスティック回帰では、従属変数の確率をロジット変換します。ロジット変換は、確率をオッズに変換し、次にそのオッズの対数を取ります。これにより、線形回帰の形を保ったまま、二値分類の問題を解くことができます。

ロジスティック回帰では、各独立変数がオッズ比として解釈されます。オッズ比は、1単位あたりの独立変数の変化が、従属変数の発生確率にどの程度影響を与えるかを示します。

ソフトウェア

SPSSではRegressionオプションやAdvanced Statisticsオプションが対応します。Rでは基本的にstatsパッケージのglm()関数にfamily = binomialを指定してロジスティック回帰を実行します。視覚化にはggplot2パッケージがよく使われます。Pythonでは機械学習ライブラリのscikit-learnのLogisticRegressionクラスや、statsmodelsのLogit()関数が主要な実行方法として広く使われています。