基于地方体育logistic回归分析.doc

基于地方体育——logistic回归分析logistic回归分析。一般比较常用的因变量为为二项分类，我们称之为二项logistic回归分析。 logistic回归分析的主要用途： 1.?????? 寻找主要影响因素 2.??? 预测，如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，对因变量的影响程度。 3.??? 判别，实际上跟预测有些类似，也是根据logistic模型，判断有多大的概率与因变量相符。 变量描述： 用于logistic回归的自变量可以是连续变量，也可以是不连续的，如定类变量。 1.??? 对于自变量是连续变量，要求自变量与因变量有线性关系。如果不是线性关系，则可以考虑把连续变量转为定类变量。比如说年龄和身高的关系，在青少年时期年龄和身高是递增的，但随着年龄达到一定阶段，就不再是递增了。表示年龄与身高不是线性关系了，这时可以考虑把年龄划分成年龄段来做为变量。 2.??? 二级变量，只有两个水平的变量。如性别只有男和女等等。像这种只有两个水平的变量，可以用0和1来表示。 3.??? 多级变量，指不只两个水平的变量，如文化程度包括有小学及以下、初中、高中、大学、研究生等等，对于多级变量，需要进行转换成用0或1表示，然后再引入到回归分析中。比如说上面说的文化程度可以引入四个变量X1,X2,X3,X4;小学用0，0，0，0表示，初中用1，0，0，0表示，高中用0，1，0，0表示，大学用0，0，1，0表示，研究生用0，0，0，1表示。一般来说多级变量有n个水平，则需要设计n-1个哑变量来描述。 案例分析 这里以一个问卷调查的案例来分析logistic回归分析的运用，只做文字上的讲解，通过案例来触类旁通。 武汉市体育人口形成的因素 影响体育人口形成的因素是多方面的,如人们的社会地位、文化素质、经济状况、闲暇时间等都是研究体育人口形成因素时需要考虑的方面。结合文献的研究结果,本研究选取以下7 个指标作为影响武汉市体育人口形成的因素:年龄、个人月收入、家庭人均月收入、家庭年体育消费额、文化程度、职业状况、每天家务劳动时间。 变量处理 注：表中个人月收入的分组方法为[6 ,7 ] :将居民个人月收入由低到高排序,然后将它们5 等分,从而将居民分为低收入、中低收入、中等收入、中高收入、高收入5 个组。家庭人均月收入、家庭年体育消费额、每天家务劳动时间(4 等分) 的分组方法与个人月收入的分组方法一样。 因变量判定标准 体育人口的判断标准为:每周参加3 次或3 次以上体育活动;每次活动30 或30 min 以上;每次活动强度中等以上。满足上述3 个条件的界定为体育人口, Y = 1 ,不满足上述任一条件者为非体育人口,Y = 0 。 数据来源 受武汉市体育局委托,我们于2005 年4 月1 日～30 日对武汉市体育人口进行了抽样调查。本次抽样调查采用的方法是多阶段随机抽样方法,调查的最小单元为16～70 岁的武汉市居民。具体抽样过程为:从武汉市每个行政区(共13 个行政区) 随机抽取2 个街道/ 镇(共26 个) ,从每个街道/ 镇随机抽取2 个社区/村委会(共52 个) ,从每个社区/ 村委会随机抽取100户(共5200 户) ,从每户抽取1 人作为调查对象,对所回收的5 200 份问卷进行有效性检查,最后得到有效问卷5054 份。 (后面就是对数据进行logistic回归分析，通过回归模型分析每个自变量对因变量的影响程度，不同自变量的不同水平对因变量的影响程度。由于案例来自网上，没有数据，所以后面的SPSS分析略掉，不过从本案例中也大概知道了logistic回归分析的一些应用) ? 写到这里我们也不由的联想到了t检验和卡方检验，如果是定量数据，则可采用t检验，如果是定性的，则采用卡方检验。线性回归分析与logistic回归分析也可以做差不多的理解。 ? 读书笔记越写到后面感觉越困难，一个是复杂程度已经是大幅度增加，另外也是鉴于体育统计资料方面的欠缺，有时候感觉某某分析能够用在体育什么方面比知道怎么进行SPSS处理来得更重要了。 回归分析主要用于预测，也就是每一个因变量X能给因变量Y带来多大的影响. 1) 多元线形回归分析图示： 在回归分析中，若自变量不是连续变量，则需要把自变量转化为虚拟变量（哑变量） 2）logistic回归分析 在回归分析中，若因变量不是连续变量，而是二分类变量或二次序变量，则用logistic回归分析 4）? 因变量为多分变量或多分次序变量 在上面说的各种统计方法中，若因变量为连续变量，则一般要求：总体服从正态分布，方差齐。当然在实际过程中也不是绝对。 在样本量的要求方面不同的统计方法也会有不同的要求。