基本的なロジスティック回帰
動画では、予測変数として age を含むロジスティック回帰モデルを確認しました。ここではカテゴリ変数を追加し、その推定パラメータの解釈方法を学びます。
R でロジスティック回帰モデルにカテゴリ変数を入れると、そのカテゴリのうち1つを除いたすべてに対してパラメータ推定値が得られます。推定値が与えられないカテゴリは「基準カテゴリ（reference category）」と呼ばれます。他の各カテゴリのパラメータは、関心のあるカテゴリと基準カテゴリの間で、ローン延滞（デフォルト）に有利となるオッズ比を表します。まだ完全に腑に落ちなくても大丈夫です。後続の演習でさらに練習していきます。
この演習はコースの一部です
R で学ぶクレジットリスク・モデリング
演習の手順
- カテゴリ変数
ir_catを唯一の予測変数とするロジスティック回帰モデルlog_model_catを作成してください。glm() には次の3つの引数を指定します。 loan_status ~ ir_catfamily = "binomial"data = training_set- コンソールで結果を表示し、推定パラメータを確認します。
- 基準カテゴリを確認するために、もう一度（完全なデータセット
loan_dataの）ir_catの構造を見てみましょう。これにはtable()関数を使ってください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Build a glm model with variable ir_cat as a predictor
# Print the parameter estimates
# Look at the different categories in ir_cat using table()