회귀그래픽 방법을 이용한 로지스틱 회귀모형 분석

Logistic Regression Analysis using Regression Graphics

차원축소에 기초한 회귀그래픽 방법은 최근 몇 년간 많은 논의가 있어 왔다. 로지스틱 회귀모형의 분석 시 기존의 접근 방법과 더불어 회귀그래픽 방법에 관하여 논의 하고자 한다. 차원축소에 기초한 회귀그래픽 방법은 차원축소를 위해 설명변수들이 형성하는 중심부공간을 추정하는 문제를 기본 개념으로 시작한다. 차원축소는 회귀 그래픽 방법론의 관점에서 설명하면 원래 고차원의 그래픽으로 설명되어야 할 설명변수의 회귀모형이 원래의 모든 정보를 잃어버림 없이 축소된 저차원 그래픽의 설명변수를 가진 회귀모형으로 요약해도 충분하다는 것이다. 본 논문은 로지스틱 회귀 모형의 변수 선택의 주제에 대하여 차원축소에 기초한 회귀그래픽 방법을 이용하여 논의하고자 한다. 차원축소에 기초한 회귀그래픽 방법은 로지스틱 회귀모형의 변수를 원래 변수들의 선형적 결합들로 제시한다.

Regression graphics based on dimension reduction has been discussed for the decade. Regression graphics approach in the logistic regression will be explored. The main issue of regression graphics focuses on estimating the central subspace. With respect of regression graphics, dimension reduction is enough to find regression model with low-dimensional predictors from originally high-dimensional predictors without losing original information of the regression model. This paper discusses regression graphics based on dimension reduction about selection procedure of predictors in a sense. Regression graphics based on dimension reduction suggests some linear combination of original predictors as predictors of logistic regression model.