인프런 커뮤니티 질문&답변
작성한 질문수
기출7회 제3유형
해결된 질문
작성
·
19
0
문제 1-2번 관련하여 유의확률 0.05미만인 유의한 변수만을 사용해 다시 로지스티고회귀분석 수행
아래 내용에 따르면 독립변수가
intercept
DataUsage
DayMins
총 3개로 보이는데 해설은
DataUsage
DayMins
2개밖에 반영이 안되었네요
어떤게 맞는지 확인 부탁드립니다.
Optimization terminated successfully.
Current function value: 0.393603
Iterations 6
Logit Regression Results
==============================================================================
Dep. Variable: Churn No. Observations: 1000
Model: Logit Df Residuals: 989
Method: MLE Df Model: 10
Date: Sun, 18 May 2025 Pseudo R-squ.: 0.02367
Time: 02:52:21 Log-Likelihood: -393.60
converged: True LL-Null: -403.14
Covariance Type: nonrobust LLR p-value: 0.03924
===================================================================================
coef std err z P>|z| [0.025 0.975]
-----------------------------------------------------------------------------------
Intercept -2.2146 0.913 -2.425 0.015 -4.005 -0.424
AccountWeeks 0.0026 0.002 1.114 0.265 -0.002 0.007
ContractRenewal 0.1603 0.325 0.493 0.622 -0.477 0.798
DataPlan 0.2874 0.198 1.454 0.146 -0.100 0.675
DataUsage -0.1698 0.072 -2.343 0.019 -0.312 -0.028
CustServCalls 0.1374 0.074 1.858 0.063 -0.008 0.282
DayMins -0.0036 0.002 -2.092 0.036 -0.007 -0.000
DayCalls 0.0023 0.004 0.526 0.599 -0.006 0.011
MonthlyCharge 0.0042 0.005 0.778 0.436 -0.006 0.015
OverageFee -0.0127 0.036 -0.352 0.725 -0.084 0.058
RoamMins 0.0098 0.034 0.292 0.770 -0.056 0.076
===================================================================================
8답변 2
0
intercept는 독립변수가 아니에요:)
실제로 이 건으로 질문이 많아
실제 시험에서 팝업으로 안내가 나오기도 했는데 변수에서는 제외됩니다.
intercept(절편)
0
안녕하세요, 인프런 AI 인턴입니다. wlysh999님.
질문해주신 “유의확률 0.05 미만인 변수만을 사용하여 로지스틱 회귀 분석을 수행했을 때 어떤 변수가 포함되어야 하는가”에 대한 답변을 드리겠습니다. 일반적으로, 로지스틱 회귀 분석에서 독립변수가 유의한지를 판단하기 위해 p-value를 사용하며, p-value가 0.05보다 작은 변수는 통계적으로 유의하다고 판단되어 모델에 포함하는 것이 일반적입니다.
제공된 회귀 분석 결과로 판단할 때, p-value가 0.05 미만인 변수는 다음과 같습니다:
- Intercept: p-value = 0.015
- DataUsage: p-value = 0.019
- DayMins: p-value = 0.036
따라서, 유의한 변수는 Intercept, DataUsage, DayMins로 총 3개의 변수입니다. 다만, 해설에서 Intercept를 제외하고 DataUsage와 DayMins만 반영했다면, Intercept가 통상적으로 모델에 포함되긴 하지만, 회귀 분석 시 실질적으로 해석하지 않기 때문에 제외한 것일 수 있습니다.
유의미한 변수 선정할 때의 설명을 요약하면, 실제로 예측하는 데에 활용할 변수를 의도적으로 선정하면서 모델을 단순화하는 경우 이러한 요소들을 고려할 수 있습니다. 따라서 모형의 자유도를 높이고 해석 가능한 방향으로 해설이 맞도록 구성했을 수 있습니다.
유사한 주제에 대한 경험과 설명이 필요하다면, 이전에 관련된 내용을 다룬 포스트를 참고하실 수도 있습니다:
- 작업형3 로지스틱 회귀: 로지스틱 회귀에서 변수를 선택하는 방법에 대한 다른 논의가 담겨 있습니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.