SPSS操作方法逻辑回归Word格式文档下载.docx
- 文档编号:19619310
- 上传时间:2023-01-08
- 格式:DOCX
- 页数:11
- 大小:88.82KB
SPSS操作方法逻辑回归Word格式文档下载.docx
《SPSS操作方法逻辑回归Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《SPSS操作方法逻辑回归Word格式文档下载.docx(11页珍藏版)》请在冰豆网上搜索。
25
3
23
17
27
1300
4
950
28
1500
5
19
30
6
31
32
7
36
33
1800
8
42
22
9
46
38
10
48
24
41
11
55
45
12
56
2100
26
13
58
52
14
逻辑回归SPSS操作方法的具体步骤:
1.选择Analyze→Regreessin→BinaryLogistic,打开对话框如图1所示:
图1主对话框Logistic回归。
2.选择因变量Y进入Dependent框内,将自变量选择进入Convariates框。
也可以将不同的自变量组放在不同的块(block)中,可以分析不同的自变量组对因变量的贡献。
3.在Mothed框内选择自变量的筛选策略:
Enter表示强行进入法;
(本例选择)
Forword和Bacword都表示逐步筛选策略;
Forword为自变量逐步进入,Bacword是自变量逐步剔出。
Conditional;
LR;
Wald分别表示不同的检验统计量,如ForwordWald表示自变量进入方程的依据是Wald统计量。
4.在Selection中选择一个变量作为条件变量,只有满足条件的变量数据才能参与回归分析。
5.单击Categorical打开Categorical对话框如图2所示:
对定性变量的自变量选择参照类。
常用的方法是Indicator,即以某个特定的类为参照类,Last表示以最大值对应的类为参照类(系统默认),First表示以最小值对应的类为参照类。
选择后点击Continue按钮返回主对话框。
(本例不作选择性)
图2Categorical对话框
6.单击Option按钮,打开Option对话框如图3所示
图3:
Option对话框
(1)从StatisticsandPlots框中选择输出图和分析结果。
ClassificationPlots:
表示绘制因变量实际值与预测分类值的关系图(本例选择)。
Hosmer-lemeshowgoodness-of-fit:
表示拟合优度指标(本例选择)。
CasewiseListingofresiduals:
表示输出各样本数据残差列表,有因变量的观察值,预测值,相应的预测概率,残差(非标准化残差,标准化残差)等。
Correlationsofestimations:
表示输出估计参数的相关矩阵(本例选择)。
Iterationhistory:
表示输出估计参数迭代过程中的参数与对数似然值(本例选择)。
CIforexp(B):
表示输出发生比N%的置信区间(默认95%)。
(2)从Display框中选择输出方式。
Ateachstep表示输出模型建立过程中的每一步结果(系统默认),Atlaststep表示只输出最终结果。
(3)从PropbabilityforStepwise框中指定自变量进入方程或剔除方程的显著性水平α。
Entry表示回归系数Score检验的概率p值小于时相应变量可进入方程;
Removal表示回归系数Score检验的概率p值大于时相应变量应当剔除出回归方程.。
(4)ClassificationCutoff设置概率分界值,预测概率大于分界值(默认)时,分类预测值为1,否则为预测值为0。
(本例选择系统默认项)
(5)从MaximumIterations框内指定极大似然估计的最大迭代次数(默认值是20)
7.单击Save按钮,打开Save对话框如图4所示:
从中选择需要保存预测结果到数据窗口。
图4:
Save对话框
(1)从PredietedValues框中,Probalities表示保存因变量取1的预测概率值,Croupmembership
表示保存分类预测值。
(2)Residuals和Influence表示保存残差及影响点,具体含义与线性回归相同。
选择结束,后可以从输出窗口观看输出结果如下:
表1案例处理摘要
未加权的案例a
N
百分比
已选定的案例
包括在分析中
缺失案例
.0
总计
未选定的案例
a.如果权重有效,请参见分类表以获得案例总数。
表2因变量编码
初始值
内部值
以上两个表是数据个数,分类,及因变量的概况。
表3迭代历史记录a,b,c
迭代
-2对数似然值
系数
Constant
步骤0
a.模型中包括常量。
b.初始-2对数似然值:
c.因为参数估计的更改范围小于.001,所以估计在迭代次数2处终止。
表4分类表a,b
观察值
预测值
出行方式
百分比校正
总百分比
b.切割值为.500
表5方程中的变量
B
.
Wald
df
显著性
Exp(B)
常量
.379
.143
.706
.867
表6不在方程中的变量
得分
变量
x3
.024
x1
.014
x2
.086
总统计量
.015
注意:
表3至表6表示只有常数项的模型,没有实际意义,可以不考虑。
表7迭代历史记录a,b,c,d
x1
(1)
步骤1
.056
.001
.075
.082
.002
a.方法:
输入
b.模型中包括常量。
c.初始-2对数似然值:
d.因为参数估计的更改范围小于.001,所以估计在迭代次数5处终止。
表7表示的是迭代历史,表示每一次迭代中-2LL值和系数值。
表8模型系数的综合检验
卡方
步骤
.005
块
模型
表8模型综合检验是模型拟合优度检验的,用-2LL度量。
最好的模型有-2LL=0,步骤1中的“步骤”中的卡方值是当前-2LL与下一步-2LL的差值,“块”中的卡方值为当前值-2LL与后一组变量进入模型后的-2LL的差值,“模型”中的卡方统计量是当前模型中的-2LL与只含常数项模型的-2LL的差值,因所有自变量是强行进入,只有一个步骤,一个块和一个模型,所以三者的卡方值相等。
本例中假设检验的P值等于,小于,故模型中至少有一个回归系数不为0。
表9模型摘要
Cox&
SnellR方
NagelkerkeR方
25.971a
.365
.487
a.因为参数估计的更改范围小于.001,所以估计在迭代次数5处终止。
从表9中看出-22LN值不算太大,模型拟合程度一般。
SnellR2和NagelkerkeR2类似于线性模型中的拟合优度检验。
其中:
SnellR2=
NagelkerkeR2=
从表中得出Cox&
SnellR2和NagelkerkeR2类不是太高,似合优度一般。
表10Hosmer和Lemeshow检验
.118
表11Hosmer和Lemeshow检验的随机性表
出行方式=0
出行方式=1
期望值
.173
.336
.527
.953
.556
.172
表10和表11是逻辑方程的拟合程度的检验,由于观察值和理论频数的差异不大,检验通过。
但是理论频数都小于5,原因是数据个数太少造成的,所以检验结果有待进一步检验。
表12分类表a
a.切割值为.500
表12也称错判矩阵。
从表10中看出,如出行方式为坐公交车15人中,预测值为13人,正确率为%。
表13方程中的变量
步骤1a
.031
.052
.115
.661
.416
.081
.026
a.在步骤1中输入的变量:
x3,x1,x2.
从表13中可以得到回归系数、回归系数的标准误、Wald检验统计量、P值、发生比等。
其中第二个与第三个变量的回归系数没有通过检验。
为回归系数
的标准误。
表示一个自变量的发生比,指当其它自变量不变时,该自变量每增加一个单位,将引起发生比扩大
。
表14相关矩阵
x3
x1
x2
.311
表14中表示的是回归系数的相关矩阵。
Step
number:
Observed
Groups
and
Predicted
Probabilities
Probability
is
of
Membership
for
The
Cut
Value
.50
Symbols:
0
-
图5预测分类图
预测分类图中显示预测值的分布,横坐标表示预测概率值,大于的预测值将预测为1,小于的预测值为0。
图中0表示实际观察值为Y=0,1表示观察值Y=1,纵向四个同样的数字表示一个样本观察值。
实验题:
为研究某商品消费特点和趋势,收集以往的消费数据,数据包括:
因变量Y为是否购买,购买取值为1,否则Y取值为0。
自变量有性别,年龄和收入水平。
数据见表。
试采用逻辑回归的方法进行分析。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 操作方法 逻辑 回归