logistics回歸分析結果分析方法是否正確以及每

2021-03-27 20:40:05 字數 5047 閱讀 1452

1樓:浩忠華蘭秋

1. logistic回歸簡介

logistic回歸:主要用於因

變數為分類變數(如疾病的緩解、不緩解,評比中的好、中、差等)的回歸分析,自變數可以為分類變數,也可以為連續變數。因變數為二分類的稱為二項logistic回歸,因變數為多分類的稱為多元logistic回歸。

odds:稱為比值、比數,是指某事件發生的可能性(概率)與不發生的可能性(概率)之比。

or(odds ratio):比值比,優勢比。

2.spss中做logistic回歸的操作步驟

分析》回歸》二元logistic回歸

選擇因變數和自變數(協變數)

3.結果怎麼看

一些指標和資料怎麼看

「exp(b)」即為相應變數的or值(又叫優勢比,比值比),為在其他條件不變的情況下,自變數每改變1個單位,事件的發生比「odds」的變化率。

偽決定係數cox & snell r2和nagelkerke r2,這兩個指標從不同角度反映了當前模型中自變數解釋了因變數的變異佔因變數總變異的比例。但對於logistic回歸而言,通常看到的偽決定係數的大小不像線性回歸模型中的決定係數那麼大。

**結果列聯表解釋,看」分類表「中的資料,提供了2類樣本的**正確率和總的正確率。

建立logistic回歸方程

logit(p)=β-0+β1*x1+β2*x2+……+βm*xm

4.自變數的篩選方法和逐步回歸

與線性回歸類似,在logistic回歸中應盡量納入對因變數有影響作用的變數,而將對因變數沒有影響或影響較小的變數排除在模型之外。

①.wald檢驗:wals是乙個統計量,用檢驗自變數對因變數是否有影響的。它越大,或者說它對應的sig越小,則影響越顯著。

②.似然比檢驗(likelihood ratio

test):logistic模型的估計一般是使用極大似然法,即使得模型的似然函式l達到最大值。-2lnl被稱為diviance,記為d。

l越大,則d越大,模型**效果越好。似然比檢驗是通過比較是否包含某個或幾個引數β的多個模型的d值。

③.比分檢驗(score test)

以上三種假設檢驗中,似然比檢驗是基於整個模型的擬合情況進行的,結果最為可靠;比分檢驗結果一般與似然比檢驗結果一致。最差的就是wald檢驗,它考慮各因素的綜合作用,當因素間存在共線性的時候,結果不可靠。故在篩選變數時,用wald法應慎重。

spss中提供了六種自變數的篩選方法,向前法(forward)和向後法(backward)分別有三種。基於條件引數估計和偏最大似然估計的篩選方法都比較可靠,尤以後者為佳。但基於wald統計量的檢驗則不然,它實際上未考慮各因素的綜合作用,當因素間存在共線性時,結果不可靠,故應當慎用。

5.模型效果的判斷指標

①.對數似然值與偽決定係數

logistic模型是通過極大似然法求解的,極大似然值實際上也是乙個概率,取值在0~1之間。取值為1,代表模型達到完美,此時其對數值為0;似然值越小,則其對數值越負,因此-2倍的對數似然值就可以用來表示模型的擬合效果,其值越小,越接近於0,說明模型擬合效果越好。

②.模型**正確率

對因變數結局**的準確程度也可以反映模型的效果,spss在logistic回歸過程中會輸出包含**分類結果與原始資料分類結果的列聯表,預設是按照概率是否大於0.5進行分割。

③.roc曲線

roc曲線即受試者工作特徵曲線(receiver

operating characteristic curve),或譯作接受者操作特徵曲線。它是一種廣泛應用的資料統計方法,2023年應用於雷達訊號檢測的分析,用於區別「雜訊」與「訊號」。在對logistic回歸模型擬合效果進行判斷時,通過roc曲線可直接使用模型**概率進行。

應用roc曲線可幫助研究者確定合理的**概率分類點,即將**概率大於(或小於)多少的研究物件判斷為陽性結果(或陰性結果)。roc曲線,**效果最佳時,曲線應該是從左下角垂直上公升至頂,然後水平方向向右延伸到右上角。如果roc曲線沿著主對角線方向分布,表示分類是機遇造成的,正確分類和錯分的概率各為50%,此時該診斷方法完全無效。

spss裡logistic回歸分析 這四個每個字母分別代表什麼 說明的是什麼 後面的資料結果是什麼意思 跪求啊

2樓:匿名使用者

卡方值是模型的總體檢驗結果,p小於0.001達到顯著水平,說明在模型中至少有乙個自變數可以**因變數,sig就是p值,第三行是模型**分類正確率,第四行是偽決定係數,意義不大。

3樓:匿名使用者

卡方顯著性

分類正確的百分比

nagelkerker方

看不懂結果就別亂做logistic回歸,小心做錯我經常幫別人做這類的資料分析

logistic回歸分析結果解讀

4樓:匿名使用者

第一:對模型整體情況進行說明,比如對r方值進行描述,以及列出模型公式。

第二:逐一分析x對於y(相對於的對比項)影響情況;如果x對應的p值小於0.05則說明x會對y(相對於的對比項)產生影響關係,此時可結合or值進一步分析影響幅度。

第三:總結分析結果。

以及可結合輸出的智慧型文字分析,進行解讀。

5樓:匿名使用者

不知道你是否聽說過辛普森悖論,了解這個玩意也許能解決你的問題,如果需要在考慮a而不分析a,如果a是離散的,將不同a不同取值放入不同的模型中,然後分析其他變數。如果a是連續的,,,那就複雜一點。。。。。

6樓:七彩虹科技****

logistic回歸主要用於危險因素探索。因變數y為二分類或多分類變數,自變數既可以為分類變數,也可以為連續變數。   回歸分析**法,是在分析市場現象自變數和因變數之間相關關係的基礎上,建立變數之間的回歸方程,並將回歸方程作為**模型,根據自變數在**期的數量變化來**因變數關係大多表現為相關關係,因此,回歸分析**法是一種重要的市場**方法,當我們在對市場現象未來發展狀況和水平進行**時,如果能將影響市場**物件的主要因素找到,並且能夠取得其數量資料,就可以採用回歸分析**法進行**。

它是一種具體的、行之有效的、實用價值很高的常用市場**方法。

spss二元logistics回歸結果分析

7樓:風花樹

1. logistic回歸簡介

logistic回歸:主要用於因變數為分類變數(如疾病的緩解、不緩解,評比中的好、中、差等)的回歸分析,自變數可以為分類變數,也可以為連續變數。因變數為二分類的稱為二項logistic回歸,因變數為多分類的稱為多元logistic回歸。

odds:稱為比值、比數,是指某事件發生的可能性(概率)與不發生的可能性(概率)之比。

or(odds ratio):比值比,優勢比。

2.spss中做logistic回歸的操作步驟

分析》回歸》二元logistic回歸

選擇因變數和自變數(協變數)

3.結果怎麼看

一些指標和資料怎麼看

「exp(b)」即為相應變數的or值(又叫優勢比,比值比),為在其他條件不變的情況下,自變數每改變1個單位,事件的發生比「odds」的變化率。

偽決定係數cox & snell r2和nagelkerke r2,這兩個指標從不同角度反映了當前模型中自變數解釋了因變數的變異佔因變數總變異的比例。但對於logistic回歸而言,通常看到的偽決定係數的大小不像線性回歸模型中的決定係數那麼大。

**結果列聯表解釋,看」分類表「中的資料,提供了2類樣本的**正確率和總的正確率。

建立logistic回歸方程

logit(p)=β­0+β1*x1+β2*x2+……+βm*xm

4.自變數的篩選方法和逐步回歸

與線性回歸類似,在logistic回歸中應盡量納入對因變數有影響作用的變數,而將對因變數沒有影響或影響較小的變數排除在模型之外。

①.wald檢驗:wals是乙個統計量,用檢驗自變數對因變數是否有影響的。它越大,或者說它對應的sig越小,則影響越顯著。

②.似然比檢驗(likelihood ratio

test):logistic模型的估計一般是使用極大似然法,即使得模型的似然函式l達到最大值。-2lnl被稱為diviance,記為d。

l越大,則d越大,模型**效果越好。似然比檢驗是通過比較是否包含某個或幾個引數β的多個模型的d值。

③.比分檢驗(score test)

以上三種假設檢驗中,似然比檢驗是基於整個模型的擬合情況進行的,結果最為可靠;比分檢驗結果一般與似然比檢驗結果一致。最差的就是wald檢驗,它考慮各因素的綜合作用,當因素間存在共線性的時候,結果不可靠。故在篩選變數時,用wald法應慎重。

spss中提供了六種自變數的篩選方法,向前法(forward)和向後法(backward)分別有三種。基於條件引數估計和偏最大似然估計的篩選方法都比較可靠,尤以後者為佳。但基於wald統計量的檢驗則不然,它實際上未考慮各因素的綜合作用,當因素間存在共線性時,結果不可靠,故應當慎用。

5.模型效果的判斷指標

①.對數似然值與偽決定係數

logistic模型是通過極大似然法求解的,極大似然值實際上也是乙個概率,取值在0~1之間。取值為1,代表模型達到完美,此時其對數值為0;似然值越小,則其對數值越負,因此-2倍的對數似然值就可以用來表示模型的擬合效果,其值越小,越接近於0,說明模型擬合效果越好。

②.模型**正確率

對因變數結局**的準確程度也可以反映模型的效果,spss在logistic回歸過程中會輸出包含**分類結果與原始資料分類結果的列聯表,預設是按照概率是否大於0.5進行分割。

③.roc曲線

roc曲線即受試者工作特徵曲線(receiver

operating characteristic curve),或譯作接受者操作特徵曲線。它是一種廣泛應用的資料統計方法,2023年應用於雷達訊號檢測的分析,用於區別「雜訊」與「訊號」。在對logistic回歸模型擬合效果進行判斷時,通過roc曲線可直接使用模型**概率進行。

應用roc曲線可幫助研究者確定合理的**概率分類點,即將**概率大於(或小於)多少的研究物件判斷為陽性結果(或陰性結果)。roc曲線,**效果最佳時,曲線應該是從左下角垂直上公升至頂,然後水平方向向右延伸到右上角。如果roc曲線沿著主對角線方向分布,表示分類是機遇造成的,正確分類和錯分的概率各為50%,此時該診斷方法完全無效。

logistic回歸分析結果怎麼看

求logistic回歸分析的思路及spss分析結果解釋,單因素與多因素logistic回歸分析,到底是什麼關係,spss分析中,怎樣才是單因素分析,怎樣才是多因素分析?logistic 回歸一般步驟 一 變數編碼,二 啞變數的設定,涉及如何設計啞變數 三 各個自變數的單因素分析,主要檢查有無共線性和...

SPSS中Logistic回歸分析結果常數項的OR值0 這

小小於0就是個保護性因素,先要看b值。如 你的子女個數是 1.094,那or值小於1的話就是個保護性因素,結論解釋就需要根據你賦值來下。請問 在spss中,有序logistic回歸分析的or值怎麼得出?或者是要手動算出嗎?用spssau可以檢視or值,同時輸出有智慧型文字分析 or值在spss裡面通...

spss回歸分析結果解讀,越詳細越好,謝謝大神們

oppo新手機充電抄一般3個多小時,幾襲 個星期後充電很快為什麼,搭載閃充或超級閃充技術的oppo手機充滿電量大約需要1 2小時左右,建議使用原裝充電器給手機充電,充電時結束手機後台執行程式 關閉不用的手機功能,比如wifi 資料網路 藍芽等,都可以加快手機充電速度。哈哈哈哈哈哈哈哈各國紛紛 v 發...