多项分类Logistic回归研究分析的功能与意义-()

多项分类Logistic回归分析的功能与意义-()

————————————————————————————————作者：————————————————————————————————日期：

多项分类Logistic回归分析的功能与意义

我们经常会遇到因变量有多个取值而且无大小顺序的情况，比如职业、婚姻情况等等，这时一般的线性回归分析无法准确地刻画变量之间的因果关系，需要用其它回归分析方法来进行拟合模型。SPSS的多项分类Logistic回归便是一种简便的处理该类因变量问题的分析方法。

例子：下表给出了对山东省某中学20名视力低下学生视力监测的结果数据。试用多项分类Logistic回归分析方法分析视力低下程度（由轻到重共3级）与年龄、性别（1代表男性，2代表女性）之间的关系。

山东省某中学20名学生视力监测结果数据

编号视力低下程度性别年龄

11115

21115

32114

42216

53216

63217

72217

82118

91114

103218

111117

121217

131115

142118

151215

161215

173217

181115

191115

202216

分析步骤：

1、进入SPSS，打开“分析”|“回归”|“多项Logistic” 命令。

2、选择进行Logistic 回归的变量。如下图所示对话框左侧的列表中，选中“视力低下程度”

并单击向右的箭头按钮使之进入“因变量”列表框，选择“性别”使之进入“因子”列表框，选择“

年龄”使之进入“协变量”列表框。

6.jpg(38.14 KB, 下载次数: 47)

下载附件

2012-8-13 23:20 上传

3、其它设置使用系统默认设置即可。

4、设置完毕，单击“确定”按钮，等待输出结果。

模型拟合信息

模型

模型拟合

标准

似然比检验

-2 倍对数

似然值

卡方df显著水平

仅截距32.633

最终18.80413.8284.008

伪R 方

Cox 和

Snell

.499

Nagelkerke.572

McFadden.336

似然比检验

效应

模型拟合

标准

似然比检验

简化后的

模型的 -2

倍对数似

然值

卡方df显著水平

截距18.804.0000.年龄25.442 6.6382.036性别25.306 6.5022.039

参数估计

听力低下程度a B标准误Wald df 显著水

平

Exp(B)

Exp(B) 的置信区间 95%

下限上限

1截距34.33819.553 3.0841.079

年龄-2.112 1.181 3.1971.074.121.012 1.225

[性别

=1]

21.272 1.183323.0951.000 1.731E+09 1.702E+08 1.761E+10 [性别

=2]

0..0....

2截距20.97419.066 1.2101.271

年龄-1.277 1.141 1.2511.263.279.030 2.613

[性别

=1]

20.540.000.1.8.321E+088.321E+088.321E+08 [性别

=2]

0..0....

还是以教程“blankloan.sav"数据为例，研究银行客户贷款是否违约（拖欠）的问题，数据如下所示：

上面的数据是大约700个申请贷款的客户，我们需要进行随机抽样，来进行二元Logistic 回归分析，上图中的“0”表示没有拖欠贷款，“1”表示拖欠贷款，接下来，步骤如下：

1：设置随机抽样的随机种子，如下图所示：

选择“设置起点”选择“固定值”即可，本人感觉200万的容量已经足够了，就采用的默认值，点击确定，返回原界面、

2：进行“转换”—计算变量“生成一个变量（validate)，进入如下界面：

在数字表达式中，输入公式：rv.bernoulli（0.7），这个表达式的意思为：返回概率为0.7的bernoulli分布随机值

如果在0.7的概率下能够成功，那么就为1，失败的话，就为"0"

为了保持数据分析的有效性，对于样本中“违约”变量取缺失值的部分，validate变量也取缺失值，所以，需要设置一个“选择条件”

点击“如果”按钮，进入如下界面：

如果“违约”变量中，确实存在缺失值，那么当使用"missing”函数的时候，它的返回值应该为“1”或者为“true"，为了剔除”缺失值“所以，结果必须等于“0“也就是不存在缺失值的现象点击”继续“按钮，返回原界面，如下所示：

将是“是否曾经违约”作为“因变量”拖入因变量选框，分别将其他8个变量拖入“协变量”选框内，在方法中，选择：forward.LR方法

将生成的新变量“validate" 拖入"选择变量“框内，并点击”规则“设置相应的规则内容，如下所示：

设置validate 值为1，此处我们只将取值为1的记录纳入模型建立过程，其它值（例如：0）将用来做结论的验证或者预测分析，当然你可以反推，采用0作为取值记录

点击继续，返回，再点击“分类”按钮，进入如下页面