SPSS实验8-二项Logistic回归分析

SPSS作业8：二项Logistic回归分析

为研究和预测某商品消费特点和趋势，收集到以往胡消费数据。数据项包括是否购买，性别，年龄和收入水平。这里采用Logistic回归的方法，是否购买作为被解释变量（0/1二值变量），其余各变量为解释变量，且其中性别和收入水平为品质变量，年龄为定距变量。变量选择采用Enter方法，性别以男为参照类，收入以低收入为参照类。

（一）基本操作：

（1）选择菜单Analyz e－Regression－Binary Logistic;

（2）选择是否购买作为被解释变量到Dependent框中，选其余各变量为解释变量到Covariates框中，采用Enter方法，结果如下：

消费的二项Logistic分析结果（一）（强制进入策略）

Categorical Variables Codings

Frequency Parameter coding (1) (2)

收入低收入132 .000 .000

中收入144 1.000 .000

高收入155 .000 1.000

性别男191 .000

女240 1.000

分析：上表显示了对品质变量产生虚拟变量的情况，产生的虚拟变量命名为原变量名（编码）。可以看到，对收入生成了两个虚拟变量名为Income（1）和Income（2），分别表示是否中收入和是否高收入，两变量均为0时表示低收入；对性别生成了一个虚拟变量名为Gedder（1），表示是否女，取值为0

时表示为男。

消费的二项Logistic 分析结果（二）（强制进入策略）

Block 0: Beginning Block

Classification Table a,b

Observed Predicted

是否购买 Percentage Correct

不购买

购买

Step 0

是否购买

不购买 269 0

100.0

购买

162

.0 Overall Percentage

62.4

a. Constant is included in the model.

b. The cut value is .500

分析：上表显示了Logistic 分析初始阶段（第零步）方程中只有常数项时的错判矩阵。可以看到：269人中实际没购买且模型预测正确，正确率为100％；162人中实际购买了但模型均预测错误，正确率为0%。模型总的预测正确率为62.4％。

消费的二项Logistic 分析结果（三）（强制进入策略）

Variables in the Equation

B S.E. Wald df Sig. Exp(B)

Step 0 Constant -.507 .099 26.002 1 .000 .602

分析：上表显示了方程中只有常数项时的回归系数方面的指标，各数据项的含义依次为回归系数，回归系数标准误差，Wald检验统计量的观测值，自由度，Wald检验统计量的概率p值，发生比。由于此时模型中未包含任何解释变量，因此该表没有实际意义。

消费的二项Logistic分析结果（四）（强制进入策略）

Variables not in the Equation

Score df Sig.

Step 0 Variables age 1.268 1 .260

gender(1) 4.667 1 .031

income 10.640 2 .005

income(1) 2.935 1 .087

income(2) 10.640 1 .001

Overall Statistics 18.273 4 .001

分析：上表显示了待进入方程的各个变量的情况，各数据项的含义依次为Score检验统计量的观测值，自由度和概率p值。可以看到，如果下一步Age 进入方程，则Score检验统计量的观测值为1.268，概率p值为0.26。如果显著性水平a为0.05，由于Age的概率p值大于显著性水平a，所以是不能进入方程的。但在这里，由于解释变量的筛选策略为Enter，所以这些变量也被强行进入方程。

消费的二项Logistic分析结果（五）（强制进入策略）

Block 1: Method = Enter

Omnibus Tests of Model Coefficients

Chi-square df Sig.

Step 1 Step 18.441 4 .001

Block 18.441 4 .001

Model 18.441 4 .001

分析：上表显示了Logistic分析第一步时回归方程显著性检验的总体情况，各数据项的含义依次为似然比卡方的观测值，自由度和概率p值。可以看到，在本步所选变量均进入方程（Method=Enter）。与前一步相比，似然比卡方检验的观测值18.441，概率p值为0.001。如果显著性水平a为0.05，由于概率p值小于显著性水平a，应拒绝零假设，认为所有回归系数不同时为0，解释变量的全体与Logit P之间的线性关系显著，采用该模型是合理的。

在这里分别输出了三行似然比卡方值。其中，Step行是本步与前一步相比的似然卡方比；Block行是本块（Block）与前一块相比的似然卡方比；Model 行是本模型与前一模型相比的似然卡方比。在本例中，由于没有设置解释变量块，且解释变量是一次性强制进入模型，所以三行结果都相同。

消费的二项Logistic分析结果（六）（强制进入策略）

Model Summary

Step -2 Log likelihood Cox & Snell R

Square

Nagelkerke R

Square

1 552.208a.04

2 .057

a. Estimation terminated at iteration number 4 because parameter estimates changed by less than .001.