SPSS第十章讲义.pptVIP

多项Logistic回归：应用案例 分析职业、性别在选择品牌（三种）时的倾向性 当性别相同时，第一种职业的logit(Pb/Pc)比第三种职业(参照水平)平均减少0.653，第一种职业的(Pb/Pc)是第三种职业的0.519倍。如果以Pc为基准，则第一种职业选择B品牌的倾向不如第三种职业，但统计上不显著； 当职业相同时，男性的logit(Pb/Pc)比女(参照水平)平均多0.743，男性的(Pb/Pc)是女性的2.101倍。如果以Pc为基准，则男性较女性更倾向选择B品牌，且统计上显著，即男性选择B品牌的倾向性与女性的差异显著。 第十章 SPSS的Logistic回归分析 二项Logistic回归：问题提出 研究二分类变量与其他变量之间的关系 例如：研究吸烟对是否得肺癌的影响，并以年龄和性别作为控制变量，特点： 被解释变量是二值变量 解释变量有分类变量和定距变量 吸烟与肺癌之间并非一种线性关系 对二项分类的被解释变量可否直接采用一般多元线性回归分析方法？ 结论：不可以 二项Logistic回归 当被解释变量为二项(0/1)分类变量时，被变量的取值范围和与自变量的关系问题： 根据回归模型的意义，可知： 一般回归模型下的被解释变量的取值范围是－∞~＋∞ 这里，被解释变量的取值范围是0~1 一般回归分析建立模型，解释变量与P间的关系只能是线性的。 二项Logistic回归 解决问题的方向 能否对概率P进行转换处理后，使其取值范围与一般线性回归模型吻合 对概率P应采用非线性转化处理 所有的转化都不应改变解释变量和被解释变量之间关系的方向 二项Logistic回归:理论上的处理 进行两步转换处理： 第一步，将P转换成Ω Ω称为优势 对P的转化是非线性的 Ω是P的单调增函数 优势的取值范围：0~＋∞ 二项Logistic回归:理论上的处理 进行两步转换处理： 第二步，Ω转换成lnΩ lnΩ称为Logit P Logit P与Ω仍呈增长（或下降）的一致性关系 Logit P的取值于－∞~＋∞ 二项Logistic回归:理论上的处理 二项Logistic模型： 二项Logistic回归 P与自变量间为非线性关系： 增长曲线 二项Logistic回归系数的含义 回归系数表示当其他自变量取值保持不变时，某自变量取值增加一个单位引起Logit P平均变化βi个单位 在模型的实际应用关心的是自变量变化引起事件发生概率P变化的程度 当自变量xi变化时，对概率P的影响程度是非线性的，不易直观理解 更注重自变量对发生比Ω的影响 二项Logistic回归系数的含义 优势：Ω=P/(1-P)，即某事件发生的概率与不发生的概率之比 利用优势比可以进行组之间风险的对比分析 例如，如果吸烟得肺癌的概率是0.25，不吸烟得肺癌得概率是0.10，则两组的优势比为： 吸烟的风险近似是不吸烟的三倍，吸烟组得肺癌的风险高于不吸烟组 二项Logistic回归系数的含义 如果被解释变量y(肺癌1=得/0=没），自变量x只有一个(x1吸烟1=吸烟/0=不吸烟)，则logistic方程为： 吸烟与不吸烟组的方程分别是： 两组优势比为： 可见，当解释变量是1/0二组时，两组间的对比是关于回归方程相应回归系数的对比 二项Logistic回归系数的含义 如果被解释变量y(肺癌1=得/0=没），自变量x有三个(x1吸烟/x2年龄/x3性别)，则logistic方程为： XA=(1,45,1)与XB=(0,45,1)的方程分别是： 两组优势比为： 这里的主要目的是研究吸烟对肺癌的影响，年龄和性别是作为控制变量存在的，该比率为调整比率，与不包括控制变量在内的比率不相等。（也可将定距变量作观测变量） 二项Logistic回归系数的含义 自变量对优势Ω的影响 当其他解释变量保持不变而研究观测变量变化一个单位对Ω的影响时，可将新的优势设为Ω*，则有优势比为： 即：当xi增加一个单位时，将引起优势是原来的exp(βi)倍 二项Logistic回归系数的含义 如果被解释变量y(肺癌1=得/0=没），自变量x有三个(x1吸烟/x2年龄/x3性别),并考虑吸烟与年龄和对性别的交互作用)，则logistic方程为： XA=(1,45,1,1?45,1?1)与XB=(0,45,1,0?45,0?1)两组的优势比是： 这里涉及到了多个系数，以及控制变量的不同取值 二项Logistic回归的参数估计 采用极大似然估计法进行参数估计：似然函数值 例如：通过样本数据对购买的比例?进行估计，其总体服从参数为?的二项分布。假设?只有0.2和0.6两个取值，则： 如果m=5，则 如果y＝4，则?＝0.6 以似然函数值达