多项分类logistic回先归分析的功能与意义1.docxVIP

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 1 1 1 15 2 1 1 15 3 2 1 14 4 2 2 16 5 3 2 16 6 3 2 17 7 2 2 17 8 2 1 18 9 1 1 14 10 3 2 18 11 1 1 17 12 1 2 17 13 1 1 15 14 2 1 18 15 1 2 15 16 1 2 15 17 3 2 17 18 1 1 15 19 1 1 15 20 2 2 16 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) HYPERLINK /forum.php?mod=attachmentaid=MjIzfGE1ZTY0ZTkzfDE0MDQwOTQwMDl8MHw2NzU%3Dnothumb=yes \t _blank 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 18.804 13.828 4 .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 .000 0 . 年龄 25.442 6.638 2 .036 性别 25.306 6.502 2 .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 34.338 19.553 3.084 1 .079 　 　 　 年龄 -2.112 1.181 3.197 1 .074 .121 .012 1.225 [性别=1] 21.272 1.183 323.095 1 .000 1.731E+09 1.702E+08 1.761E+10 [性别=2] 0 . . 0 . . . . 2 截距 20.974 19.066 1.210 1 .271 　 　 　 年龄 -1.277 1.141 1.251 1 .263 .279 .030 2.613 [性别=1] 20.540 .000 . 1 . 8.321E+08 8.321E+08 8.321E+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