第六组L回归课题.ppt

现代统计方法 多项有序回归分析 第六组 组员陈菁华 陈长安 李康 张蛟龙 张苏 4.4.2多项有序回归分析的应用 案例4.4 根据某地区住户购房意向的数据，分析住户特征是如何影响其打算购买房屋类型的。选择参与建模的解释变量包括从业状况、户口状况、年龄、家庭收入，被解释变量为购买类型（1为二手房，2为多层商品房，3为高层商品房，4为别墅）。 本例中首先要筛选出“未来三年”为“购买”的样本，然后针对所筛选的样本进行分析。 筛选样本基本操作： （1）选择菜单：【数据】-【选择个案】，出现如下窗口： （2）在选择样本窗口下，选择【如果条件满足】项，出现如下窗口： （3）指定对未选中样本的处理方式。 一、多项有序回归分析的基本操作 （1）选择选项分析－回归－有序回归，出现窗口： (2)选择被解释变量到【因变量】中。 （3）选择分类型解释变量到【因子】中，选择数值型解释变量到【协变量】中。 (4)点击【选项】，指定参数估计的迭代收敛标准、置信度、连接函数等，如图所示： （6）点击【输出】，指定输出哪些分析结果，以及将哪些结果以变量的形式保存到数据编辑窗口中，如图所示： (5)点击【位置】，指定位置模型的类型，如图所示： 运行结果（显著性检验） 模型拟合信息 模型 -2 对数似然值 卡方 df 显著性 仅截距 1131.732 最终 1058.922 72.810 6 .000 联接函数：负对数-对数。 分析 上表为回归方程显著性检验，使用的是似然比卡方统计量，原假设为各个回归系数同时为零。由上表可以看出统计量P值小于显著性水平，即拒绝原假设，各个回归系数不同时为零，模型有效。 Pearson相关系数度量的是变量间的线性相关程度，由表可看出P值0.394大于显著性水平，即接受原假设，说明变量间相关关系不显著。 可决系数检验 伪 R 方 Cox 和 Snell .096 Nagelkerke .117 McFadden .058 联接函数：负对数-对数。 从可决系数检验中我们可以看出可决系数为0.96，说明模型拟合的很好 运行结果（Pearson相关系数） 平行线检验 平行线检验a 模型 -2 对数似然值 卡方 df 显著性 零假设 1058.922 广义 1040.424 18.498 12 .101 零假设规定位置参数（斜率系数）在各响应类别中都是相同的。 a. 联接函数：负对数-对数。 平行线检验： 由上述平行线检验的结果可知，P值为0.101，大于显著性水平，即接受原假设，（原假设：回归系数在被解释变量各个判别上是无显著差异的。）斜率是相等的，说明模型是可行的。 运行结果 -ln(-ln（Π1））=-1.4+0.0001家庭收入-0.012年龄-1.045（文化程度=1）-0.788（文化程度=2)-0.437(文化程度=3）+0.244（户口状况=1） -ln(-ln（Π1+Π2））=-1.121+0.0001家庭收入-0.012年龄-1.045（文化程度=1）-0.788（文化程度=2)-0.437(文化程度=3）+0.244（户口状况=1） -ln(-ln（Π1+Π2+Π3））=-1.4+0.0001家庭收入-0.012年龄-1.045（文化程度=1）-0.788（文化程度=2)-0.437(文化程度=3）+0.244（户口状况=1） 函数形式 一般应用场合 Logit 各类别的概率分布大致均匀 补充log-log 高类别的概率较高 负log-log 低类别的概率较高