南大SPSS课件-多元Logistic回归
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
偏 好 学 习 方 式a 自修
小组
In terc ep t [S C HO O L=1] [S C HO O L=2] [S C HO O L=3] [PRO GRAM=1] [PRO GRAM=2] In terc ep t [S C HO O L=1] [S C HO O L=2] [S C HO O L=3] [PRO GRAM=1] [PRO GRAM=2]
Ln p自修 0.593 1.134 school1 0.076 school2 0.618 program p上课
Ln p小组 0.603 0.654 school1 0.321 school2 0.635 program p上课
其中:school=3和program=2为参照,因此其参数为0。
B
Std. Error
-.593
.295
-1.314
.383
-.076
.336
0b
.
.618
.285
0b
.
-.603
.292
-.654
.338
-.321
.347
0b
.
.635
.273
0b
.
a. The referen ce cat ego ry is: 上 课 .
b. This parameter is set to zero because it is redundant.
学校 课程计划
学生偏好的学习方式
school program 自修
小组
上课
1
常规
10
17
26
附加
5
12
50
2
常规
21
17
26
附加
16
12
36
3
常规
15
15
16
附加
12
12
20
1.建立数据 文件
SPSS的基本操作
2.对数据进行加权: Data →Weight cased 选择“Weight Cased by:” 将变量“count”选入“Frequency Variable”
W ald 4.040
11.783 .052 . 4.702 . 4.251 3.737 .852 . 5.417 .
df 1 1 1 0 1 0 1 1 1 0 1 0
Sig. .044 .001 .820 . .030 . .039 .053 .356 . .020 .
Exp(B)
95% Confidence Interval for Exp(B)
Lower Bound Upper Bound
.269 .926
. 1.855
.
.127 .479
. 1.061
.
.569 1.791
. 3.244
.
.520 .726
. 1.887
.
.268 .367
. 1.105
.
1.009 1.434
. 3.221
.
各回归系数显著性检验
Parameter Estimates
Multinomial Logistic Regression
一、概述
当因变量为分类变量,并且分类数大于2 时,进行回归分析时,可使用该模型。
数学模型:以Y分三类情形为例。
假定因变量Y为分类变量,类数为3,各类之
间无顺序之分,且假定Y的取值分别为a、b、
c,选Y=a为b和c的共同参照组,则有以下模
“Factor”框
OK (其他选项均取默认值)
输出结果及解释
Case Pr ocessing Summar y
偏好 学习方 式
学校
课程 计划
Valid Missing Total S ub p op u latio n
自修 小组 上课 1 2 3 常规 附加
N 79 85 164 120 118 90 163 165 328 0 328 6
-2 Log
Lik elihood of
Red uc ed
Mo d el
C h i-S q uare
51.303a
.000
df 0
Sig. .
S C HO O L
69.192
17.888
4
.001
PRO GRAM
58.916
7.613
2
.022
The chi-square statistic is the difference in -2 log-lik elihoods
Pseudo R-Square
Cox and Snell
.079
Nagelk erk e
.090
Mc Fadd en
.039
似然比检验
该表结果表明,在5%的显著水平下, “XCHOOL”和“PROGRAM”两个变量的作用都 是显著的。
Likelihood Ratio Tests
Effect In terc ep t
框 OK
3. Analyze
→Regression
→ Multinomial Logistic
打开Multinomial Logistic Regression对话 框:
4.将变量“style”选入“Dependent”框中 5.将变量“school”和“program”选入
Marginal P erc en tage
24.1% 25.9% 50.0% 36.6% 36.0% 27.4% 49.7% 50.3% 100.0%
该表为总模型的似然比检验结果,可见最终模型和
只含有常数项的初始模型相比,-2LL值从78.128下 降至51.303,下降了26.825,似然比卡方检验的 P-值小于0.01,说明模型整体是显著的。
Parameter Estimates
偏 好 学 习 方 式a 自修
小组
In terc ep t [S C HO O L=1] [S C HO O L=2] [S C HO O L=3] [PRO GRAM=1] [PRO GRAM=2] In terc ep t [S C HO O L=1] [S C HO O L=2] [S C HO O L=3] [PRO GRAM=1] [PRO GRAM=2]
型:
ln
PY PY
b a
b
11x1
1p xp
ln
PY PY
c a
c
21x1
2
pxp
如果希望比较b和c两组,则直接将上述两方 程相减即可得到相应函数。
例题:
研究不同学校和不同课程计划对学生学习方式偏好的 影响,得到数据如下表。试进行logistic回归分析。
Mo d el Intercept O nly F in al
Model Fitting Information
-2 Log Lik elihood
78.128
51.303
C h i-S q uare 26.825
df 6
Sig. .000
Байду номын сангаас
类R2指标,此处因只有分类变量,所以 三个决定系数都非常低,不过在Logistic 模型分析中它们的用处不太大。