浅显易懂逻辑回归分析.pptxVIP

会计学;;1.逻辑回归（logistic regression）是用来做什么?;;3. SPSS实例 本次以广泛使用的二分类logistic回归为例为大家介绍 SPSS的操作过程。 例：为研究急性肾功能衰退（ARF）患者的危险因素， 获得了422名住院患者的临床资料，本资料共涉及29个变量 分别为：sex、age、社会支持、慢性病、手术、糖尿病、瘤 黄疸、透析方式、死亡等，其中透析方式为多分类变量，有 4个水平。 （逻辑回归方程运算具体是怎么做的并不重要，对使用者来说，我们就把它当成一条程序命令就好。逻辑回归方程推导，求解方法可详见卫生统计学）。;（1）操作过程如下（见数据文件“logistics-1.sav”））;一般过程 菜单选择 分析 回归 二元logistic 弹出逻辑回 归主对话框;; “分类”钮：如果你的自变量是多分类的（如血型等），你必须要将它用哑变量的方式来分析，那么就要用该按钮将该变量指定为分类变量 ;“保存”钮：起到将中间结果存储起来供后续分析的作用，如右图所示，共有预测值、影响强度因子和残差三大类。 ;“选项”钮：这一部分非常重要，在这里我们可以对模型作精确定义，还可以选择模型预测情况的描述方式，如“统计量和图”中的“分类图”就是非常重要的模型预测工具，“估计值的相关性”则是重要的模型诊断工具，“迭代历史记录”可以看到迭代的具体情况，从而得知你的模型是否在迭代时存在病态，下方则可以确定进入和排除的概率标准，这在逐步回归中是非常有用的。;本例的具体的分析操作如下： 1.分析==》回归==》二元logistics... 2.因变量框：选入“死亡” 3.协变量框：选入sex/age/…/感染 4.方法：进入 5.“分类”钮： 》分类协变量：透析方式(指示符（第一）) 6.“保存”钮： 》预测值：概率、组成员 7.“选项”钮： 》统计量和图：分类图、迭代记录、优势比（OR）的95%可信区间 》输出：在最后一个步骤中 》在模型中包括常数 8. “确定”钮：单击 ;; 左表为记录处理情况汇总，即有多少例记录被纳入了下面的分析，可见此处因不存在缺失值，422条记录均纳入了分析。;; 此处已经开始了拟合，块0拟合的是只有??数的无效模型，上表为分类预测表，可见在259例观察值为N的记录中，共有259例被预测为N，163例Y也都被预测为N，总预测准确率为61.4%，这是不纳入任何解释变量时的预测准确率，相当于比较基线。; 左表为在块 0处尚未纳入分析方程的侯选变量，所作的检验，表示如果分别将他们纳入方程，则方程的改变是否会有显著意义可见如果将“age，社会支持、手术、糖尿病等（sig.0.05）变量”纳入方程，则方程的改变是有显著意义的。; 块 1: 方法 = 输入;1对于死亡有显著影响的变量（p0.05）有“肿瘤、CR、昏迷”。 2 B为偏回归系数。 3 SE为偏回归系数的标准误。 4 wald统计量用于检验总体偏回归系数与0的差别有无统计学意义。 5 Exp(B)为优势比，或比数比（OR） 其中，肿瘤、昏迷是危险因素。;判别分类图：;Thanks!