spss的logistic分析教程

1、Logistic回归主要分为三类,一种是因变量为二分类得logistic 回归,这种回归叫做二项logistic 回归,一种是因变量为无序多分类得logistic 回归, 比方倾向于选择哪种产品,这种回归叫做多项logistic 回归.还有一种是因变量为有序多分类的logistic 回归,比方病重的程度是高,中,低呀等等,这种 回归也叫累积logistic回归,或者序次logistic 回归.二值 logistic 回归：选择分析回归二元logistic ,翻开主面板,因变量勾选你的二分 类变量,这个没有什么疑问,然后看下边写着一个协变量.有没有很奇怪什么 叫做协变量？在二元logistic回

2、归里边可以认为协变量类似于自变量,或者就是自变量.把你的自变量选到协变量的框框里边.细心的朋友会发现,在指向协变量的那个箭头下边,还有一个小小的按 钮,标着a*b,这个按钮的作用是用来选择交互项的.我们知道,有时候两个 变量合在一起会产生新的效应,比方年龄和结婚次数综合在一起,会对健康程 度有一个新的影响,这时候,我们就认为两者有交互效应.那么我们为了模型 的准确,就把这个交互效应也选到模型里去.我们在右边的那个框框里选择变 量a,按住ctrl ,在选择变量b,那么我们就同时选住这两个变量了,然后点 那个a*b的按钮,这样,一个新的名字很长的变量就出现在协变量的框框里 了,就是我们的交互作用的

3、变量.然后在下边有一个方法的下拉菜单.默认的是进入,就是强迫所有选择的 变量都进入到模型里边.除去进入法以外,还有三种向前法,三种向后法.一 般默认进入就可以了,如果做出来的模型有变量的p值不合格,就用其他方法在做.再下边的选择变量那么是用来选择你的个案的.一般也不用管它.选好主面板以后,单击分类右上角,翻开分类对话框.在这个对话框 里边,左边的协变量的框框里边有你选好的自变量,右边写着分类协变量的框 框那么是空白的.你要把协变量里边的字符型变量和分类变量选到分类协变量里 边去系统会自动生成哑变量来方便分析,什么事哑变量具体参照前文.这 里的字符型变量指的是用值标签标注过得变量,不然光文字,系

4、统也没法给你分析啊.选好以后,分类协变量下边还有一个更改比照的框框,我们知道,对 于分类变量,spss需要有一个参照,每个分类都通过和这个参照进行比拟来得 到结果,更改比照这个框框就是用来选择参照的.默认的比照是指示符,也就 是每个分类都和总体进行比拟,除了指示符以外还有简单,差值等.这个框框 不是很重要,默认就可以了.点击继续.然后翻开保存对话框,勾选概率,组成员,包含协方差矩阵.点击继续,翻开选项对话框,勾选分类图,估计值的相关性,迭代历史,exp(B)的CI,在模型中包含常数,输出一一在每个步骤中.如果你的协变量有连续型的,或者小样本,那还要勾选 Hosmer-LemeshoW以合度,这

5、个拟合度表 现的会较好一些.继续,确定.然后,就会输出结果了.主要会输出六个表.第一个表是模型系数综合检验表,要看他模型的 p值是不是小于0.05,判 断我们这个logistic 回归方程有没有意义.第二个表示模型汇总表.这个表里有两个 RA2,叫做广义决定系数,也叫 伪RA2,作用类似于线性回归里的决定系数,也是表示这个方程能够解释模型 的百分之多少.由于计算方法不同,这两个广义决定系数的值往往不一样,但 是出入并不会很大.在下边的分类表那么表述了模型的稳定性.这个表最后一行百分比校正下边 的三个数据列出来在实际值为 0或者1时,模型预测正确的百分比,以及模型 总的预测正确率.一般认为预测正

6、确概率到达百分之五十就是良好(标准真够 低的),当然正确率越高越好.在然后就是最重要的表了,方程中的变量表.第一行那个B下边是每个变量的系数.第五行的p值会告诉你每个变量是否适合留在方程里.如果有某个 变量不适合,那就要从新去掉这个变量做回归.根据这个表就可以写出logistic 方程了： P=Exp常量+a1*变量 1+a2*变量 2. . /1+Exp常量 +a1*变量1+a2*变量2.如果大家学过一点统计,那就应该对这个形 式的方程不陌生.提供变量,它最后算出来会是一个介于0和1的数,也就是你的模型里设定的值比拟大的情况发生的概率,比方你想推算会不会治愈,你 设0治愈,1为没有治愈.那你

7、的模型算出来就是没有治愈的概率.如果你想 直接计算治愈的概率,那就需要更改一下设定,用1去代表治愈.此外倒数后两列有一个EXPB,也就是ORfi,哦,这个可不是或者的 意思,ORfi是优势比.在线性回归里边我们用标准化系数来比照两个自变量对 于因变量的影响力的强弱,在logistic 回归里边我们用优势比来比拟不同的情 况对于因变量的影响.举个例子.比方我想看性别对于某种病是否好转的影响,假设0代表女,1代表男,0代表不好转,1代表好转.发现这个变量的 OR 值为2.9 ,那么也就是说男人的好转的可能是女人好转的2.9倍.注意,这里都是以数值较大的那个情况为基准的.而且 ORfi可以直接给出这

8、个倍数.如果 是0,1,2各代表一类情况的时候,那就是 2是1的2.9倍,1是0的2.9倍, 以此类推.ORfi对于方程没什么奉献,但是有助于直观的理解模型.在使用 OR 值得时候一定要结合它95%勺置信区间来进行判断.此外还有相关矩阵表和概率直方图,就不再介绍了.多项logistic 回归：选择分析回归多项logistic ,翻开主面板,因变量大家都知道选什么,因变量下边有一个参考类别,默认的第一类别就可以.再然后出现了两 个框框,因子和协变量.很明显,这两个框框都是要你选因变量的,那么到底 有什么区别呢？嘿嘿,区别就在于,因子里边放的是无序的分类变量,比方性别,职业什么的,以及连续变量实际

9、上做logistic回归时大局部自变量都是分类变量,连续变量是比拟少的.,而协变量里边放的是等级资料,比方病 情的严重程度啊,年龄啊以十年为一个年龄段撒,一年一个的话就看成连续 变量吧还是之类的.在二项logistic回归里边,系统会自动生成哑变量,可是在多项logistic 回归里边,就要自己手动设置了.参照上边的解释,不难知 道设置好的哑变量要放到因子那个框框里去.然后点开模型那个对话框,哇,好恐怖的一个对话框,都不知道是干嘛的.好,我们一点点来看.上边我们已经说过交互作用是干嘛的了,那么不难 理解,主效应就是变量本身对模型的影响.明确了这一点以后,这个对话框就 没有那么难选了.指定模型那

10、一栏有三个模型,主效应指的是只做自变量和因 变量的方程,就是最普通的那种.全因子指的是包含了所有主效应和所有因子 和因子的交互效应的模型我也不明白为什么只有全因子,没有全协变量.这 个问题真的很难,所以别追问我啦.第三个是设定 /步进式.这个是自己手动 设置交互项和主效应项的,而且还可以设置这个项是强制输入的还是逐步进入的.这个概念就不用再啰嗦了吧啊？点击继续,翻开统计量对话框,勾选个案处理摘要,伪 R方,步骤摘要, 模型拟合度信息,单元格可能性,分类表,拟合度,估计,似然比检验,继 续.翻开条件,全勾,继续,翻开选项,勾选为分级强制条目和移除工程.打 开保存,勾选包含协方差矩阵.确定总算选完

11、了.结果和二项logistic 回归差不多,就是多了一个似然比检验,p值小于0.05认为变量有意义.然后我们直接看参数估计表.假设我们的因变量有 n个 类,那参数估计表会给出n-1组的截距,变量1,变量2.我们我们用Zm代表 Exp 常量m+am1变量1+am2变量2+.,那么就有第 m类情况发生的概 率为Zn/1+Z2+Z3+Zn如果我们以第一类为参考类别的话,我们就不会有 关于第一类的参数,那么第一类就是默认的 1,也就是说Z1为1.有序回归累积logistic 回归：选择菜单分析一一回归一一有序,翻开主面板.因变量,因子,协变量如 何选取就不在重复了.选项对话框默认.翻开输出对话框,勾选拟合度统计, 摘要统计,参数估计,平行线检验,估计响应概率,实际类别概率,确定,位 置对话框和上文的模型对话框类似,也不重复了.确定.结果里边特有的一个表是平行线检验表.这个表的p值小于0.05那么认为斜率系数对于不同的类别是不一样的.此外参数估计表得出的参数也有所不同. 假设我们的因变量有四个水平,自变量有两个,那么参数估计表会给出三个阈 值a1,a2, a3 (也就是截距),两个自变量的参数 3n.计算方程时,首先算 三个 Link 值,Link1=a1+m*x1+n*x2 , Link2=a2+m*x1+n*x2 , Link3=a