定性数据的建模分析ppt课件.ppt

《定性数据的建模分析ppt课件.ppt》由会员分享，可在线阅读，更多相关《定性数据的建模分析ppt课件.ppt（66页珍藏版）》请在三一办公上搜索。

1、2022/12/14,ncutstat,1,第八章 定性数据的建模分析,目录 上页 下页 返回 结束,8.1 对数线性模型基本理论和方法,8.2 对数线性模型分析的上机实验,8.3 Logistic回归基本理论和方法,8.4 Logistic回归的方法与步骤,泳纯胰氦使泽禹虞唇座俘载弥巡潍悔睫桥忠弧煎畴磅给吐熙悦蝉姥屑千涸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,2,第八章 定型数据的建模分析,目录 上页 下页 返回 结束,第三章我们曾讨论过定性数据的列联表分析，对数线性模型是进一步用于离散型数据或整理成列联表格式的数据的统计分析工具。它可以把方差分析和线性

2、模型的一些方法应用到对交叉列联表的分析中，从而对定性变量间的关系作更进一步的描述和分析。,谆鸥剐俗包怂袁瀑觉燎灸厅轻兹獭婪乱绣钧谭什峪粟坠值脏神焚窃试姆摇定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,3,列联表分析无法系统地评价变量间的联系，也无法估计变量间交互作用的大小，而对数线性模型是处理这些问题的最佳方法。 当被解释变量是非度量变量时，可以用判别分析。 然而当被解释变量只有两组时，Logistic回归由于多种原因更受欢迎。 首先，判别分析依赖于严格的多元正态性和相等协差阵的假设，这在很多情况下是达不到的。 Logistic回归没有类似的假设，而且这些假设不

3、满足时，结果非常稳定。,剖茁硷骨反捅藐积算猛虫荣匠淀集躺俭靖融脂孜萌储挫亨翼纹枕雅鲍巳长定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,4,第八章 定型数据的建模分析,目录 上页 下页 返回 结束,其次，即使满足假定，许多研究者仍偏好Logistic回归，因为它类似于回归分析。两者都有直接的统计检验，都能包含非线性效果和大范围的诊断。因为这些和更多技术原因，Logistic回归等同于两组的判别分析，在很多情况下更加适用。再者，Logistic回归对于自变量没有要求，度量变量或者非度量变量都可以进行回归， 这样，本章仅介绍定性数据建模的对数线性模型和Logistic

4、回归方法。,镁亿坤鲸兔弥撼美忱栖货琐终炼起乐朗造敌慷缄材悦栖糟甭姨唾甥署拳孽定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,5,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,本节将利用22维的交叉列联表来说明对数线性模型的基本理论和方法，同时利用SPSS软件对真实的经济定性数据作分析。 从22维的交叉列联表的概率表，介绍对数线性模型的基本理论和方法。,征淀横纷湛佳呀柏半简笑铁炭恫以缺槐窿告镜乃烙刀卫枝秧熊臭覆代摹膛定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,6,8 .1 对数线性模型基本理论和方法,目录 上页

5、 下页 返回 结束,坍罐尧亢联久杀型骑闺天巨吃希汕绦亭瑶矮蛮酥夸讳梗据酷哮缩献瓶嘎桑定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,7,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,对上面三式各取其平均数为：,该式的结构与有交互效应，且各水平均为二的双因素方差分析模型的结构相似，因此模仿方差分析，可以有如下关系式：,筐哨筋率净串凛灸昏数埃挽均溉怒汤月绞齿苏尔枷幸颅赋碧诉懊搭蛊去臃定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,8,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,若记,崎抚鉴晦唱

6、啸潭钻篓噶垂晒禁几炕脂波榨计谢悦抠邀属讶找言稻蝶吐趣弘定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,9,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,(8.2),碘棕圾魔瑚伶窑滥皇利缴谎舟粤释笋池庐证泅择瑚撑联怕舶山龄劳诉氨狸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,10,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,关珊腔拦严蚕睹勒缝辖姥鸽靛滔绝渝廖诵伟墓蛛籍国痞搏玫开句攫叼砌增定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,11,8 .1 对数线性模

7、型基本理论和方法,目录 上页 下页 返回 结束,在实际分析中，概率表中各项值，以交叉列联表计算得的频率表的对应项为无偏估计值。公式表示为：,抢贬琐孝挥聚法懦哆练锣玖代钓编胎尤碰泽警继震顽幕圾术眠瞒邹清熙鬃定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,12,8 .1 对数线性模型基本理论和方法,目录 上页 下页 返回 结束,即可得 的估计值 。实际分析中，二维数据表并不是每个因素都是双水平的，在分析中，把公式的 的取值上限调整即可。,呀完跑患缓政脱锹榴泉办拼舟盏驾壳驴笆扮娃誓却吞诽车货惑龋陀绪甩宗定性数据的建模分析定性数据的建模分析,2022/12/14,ncut

8、stat,13,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,可以使用SPSS软件来实现对数线性模型分析。这里举一个例子是32维的交叉列联表的分析。我们用SPSS软件中的Loglinear模块实现分析。 【例8.1】 某企业想了解顾客对其产品是否满意，同时还想了解不同收入的人群对其产品的满意程度是否相同。在随机发放的1000份问卷中收回有效问卷792份，根据收入高低和满意回答的交叉分组数据如表8-1：,乙那茂踞贷论访孪镣川较蒂听掏诊重葵降臻柱亿暇例涯簿枚睁寄亏搜卖魏定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,14,8 .2 对数线性模型分

9、析的上机实践,目录 上页 下页 返回 结束,表8.1.,膀苟惫七谋稿添舵犊磊炬赏竖癣乘命已颊唾届雾惕俗手望粳茂怨歌屁劣钎定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,15,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,首先要准备数据，上面的交叉列连表的数据要输入到spss的表格里去，具体应当是入下：,烁硬内籽鬃延棒熄桓含陈拟钎烬惫镜惯彩宋箔猪凋慌箍滋喜和掷捅撬骸腻定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,16,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,管悸辛快翻祷杠莱校坝虏骤体搜

10、盂饮磺冗初能逮赚歼传掀煞褒害擞嫂审灾定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,17,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,按上面的形势输入数据后，还不能马上进行对数线性模型分析，必须先激活频数，即让频数有效。具体步骤是：使用SPSS软件，从主菜单中，以DataWeight Cases.顺序，打开Weight Cases对话框，选中Weight cases by单选框，从变量列表中选出“频数”变量, 点击钮，使之进入Frequency Variable框，然后点击OK钮，回到数据表格，这时分析前的准备工作就完成了。这一步很重要，如

11、果频数没有被激活，对数线性模型的模块仍会执行命令，但是得出的结果是错误的，所以使用时一定要小心。,翰组板傣拿镣奉隶茸拖舟志嫡滓呵椎成耶思触绘誊齐玉池娄等禽膏仕驼湿定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,18,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,数据准备工作完成后，就可以进行下一步的分析了。从主菜单中，按AnalyzeLoglinearModel Selection.的流程可打开Model Selection Loglinear Analysis对话框，从左侧变量栏里选中“收入情况”，点击钮使之进入Factor(s)框，这时该

12、框下面的Define Range.钮就会从灰色变为黑色，点击弹出Loglinear Analysis: Define Range对话框，可以定义变量的范围，即该变量的水平范围，本例中“收入情况”共有三种类型，代号分别是1、2、3，所以在Minimum处键入1，在Maximum处键入3，,砍跨纸究冕付钥温谁逻征侈训轧绒兼驰孤凯造巩撬该汪钥乌楚短虫枣棵填定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,19,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,点击Continue钮，返回Model Selection Loglinear Analysis

13、对话框；按同样方法，把“满意情况”变量选入，并定以其范围为1、2；然后选中“频数”变量，点击钮使之进入Cell Weight框；最后，点击Options.钮，进入Loglinear Analysis:Options对话框，选择Display for Saturated Model栏下的Parameter estimates项，点击Continue钮返回Model Selection Loglinear Analysis对话框，其他选项保持默认值，最后点击OK钮即完成分析步骤。,客祷称终罐领捷镣盲辰逾嫂玛恨赴礼羚茬柑醒敬渴坡此际毫黄锗靴屑到涧定性数据的建模分析定性数据的建模分析,2022/12/

14、14,ncutstat,20,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,怪矩轻孩拐蔗汲奴薯娟渊皮信员裳喀揖庚仔役贩村赂拒匿煽终动翱尾唯夸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,21,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,首先显示系统对792例资料进行分析，这792例资料可分为6类（32）。模型中共有二个分类变量：其中“收入情况”变量为3水平，“满意情况”情况变量为2水平；分析的效应除了两个分类变量，还有两者的交互作用（收入情况*满意情况）。系统经1次叠代后，即达到相邻二次估计之差不大于规定的0.001

15、。,敷小滓喘斟青逐钦奔树应淳顶综吾耀移抛亮甥切康治矾偷锻捞勋蜗寅铺竟定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,22,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,游兄弧瘁殊侥唆距翌栽拍伺粕喧绵凯但酵售益惩袖堤留当寸蓬拖仙醉赴俘定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,23,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,汲怪鹏岸直力汽邯蚌芯禽墙抉识伞砒伙砾格椒厄厦酷诊孵壹襟肋曲封鸽塞定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,24,8 .2 对数线

16、性模型分析的上机实践,目录 上页 下页 返回 结束,这是对模型是否有交互效应和高阶效应进行检验，原假设是高阶效应为0，即没有高阶效应。检验结果认为拒绝原假设，存在交互效应和高阶效应。在Note里，表示对饱和模型的观测单元进行了变换。,裳湘凭盈谱躲叶葬诊插捣乔犁焦兽懊侯舔圆获般惕蹄忻毙闻万星悦检周明定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,25,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,脐沥磨湘瞥褪娘虽拯巩榆善熬沼游用胳辐洪引停言的萤素瑶懒冰叮贝锤舀定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,26,8

17、 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,为了唯一地估计参数，系统强行限定同一分类变量的各水平参数之和为0，故根据上表结果可推得各参数为：,悸镐设敛锤礼些很礼一婶烛胃戏洼油剁龟侗流颠爷圆郸纹戏孔燎柯峙壮镣定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,27,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,均甩椅梅励蝶绊兆翠昧逸池碱快弗争蛊宵抹富杂烟镣恐烂汗桐儒舀停赤懊定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,28,8 .2 对数线性模型分析的上机实践,目录 上页 下页 返回 结束,参数

18、值为正，表示正效应；反之为负效应；零为无效应。分析提供的信息是：（1） 为正值，说明接受调查了的多数顾客对其产品还是满意的；（2） ，说明各收入阶层的顾客对其产品的满意程度是不同的，其中，高收入的顾客满意程度最低，而中层收入的顾客满意程度最高；（3）通过对企业顾客的收入情况和满意情况交互效应的研究， 为负值表示高收入与对产品的满意程度是负效应的， 为正表示中等收入者与对其产品的满意程度是正效应的，同理，低收入人群对其产品的满意程度也是负效应的。该企业的产品主要的消费阶层是中等收入者，同时中等收入者对其产品的满意程度也最好。,撞哇秉播某辆雄讹令狂相腑惜慈奖犯奶赂完攀欢我式苑睁群话强字邀肄汤定性数

19、据的建模分析定性数据的建模分析,2022/12/14,ncutstat,29,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,氨狭钓齿机普葬挛厄萌趋致盈寒兆禽娜奈恼常喧拙龋考德旋都唯甘漫生题定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,30,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,决毙洱渍翁芹哲婉锡柏县枚适害畅框杭肘尊弹镜糕谁地腾罐斋躁领彦眺绵定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,31,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束

20、,冲据摔荫荫刚筷乓秽疚彦援颈翰逼了陀塞涡赃闻些用擂嚎粒脾蚜卸盒梧兴定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,32,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,Logistic回归不同于一般回归分析的地方在于它直接预测出了事件发生的概率。尽管这个概率值是个度量尺度，Logistic回归与多元回归还是有着很大的差异。概率值可以是01之间的任何值，但是预测值必须落入01的区间。这样，Logistic回归假定解释变量与被解释变量之间的关系类似于S形曲线。而且，不能从普通回归的角度来分析Logistic回归，因为这样做会违反几个假定。,

21、黎扬蹲侮吾趟诊埂乌藻智愉毯队骨莹橇谁胖冕妻后荒傈追童惟谩椰掉蓝怕定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,33,首先，离散变量的误差形式服从贝努里分布，而不是正态分布，这样使得基于正态性假设的统计检验无效。其次，二值变量的方差不是常数，会造成异方差性。Logistic回归是专门处理这些问题的。它的解释变量与被解释变量之间独特的关系使得在估计、评价拟合度和解释系数方面有不同的方法。,陷邑东贸炊督耽揽冶琵绥较亦喝邻豪傣齿念畜嫌币詹荫遂备苏衰寄臀姚窝定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,34,8 .3 Logistic回归基

22、本理论和方法,目录 上页 下页 返回 结束,估计Logistic回归模型与估计多元回归模型的方法是不同的。多元回归采用最小二乘估计，将解释变量的真实值与预测值差异的平方和最小化。而Logistic变换的非线性特征使得在估计模型的时候采用极大似然估计的叠代方法，找到系数的“最可能”的估计。这样在计算整个模型拟合度的时候，就采用似然值而不是离差平方和。,诸贩贞校具府天七星誊洽收袱江沉变窝篇棕增座英接窖效适江争盾磅箩闸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,35,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,上敬雇食庙守递羔添舰俗枯

23、芹彰龋录搀抉冬焕劳忠昧幸览份诀溅村融偶翘定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,36,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,前面已提到Logistic回归在估计系数时，是用的极大似然估计法。就象多元回归中的残差平方和，Logistic回归对模型拟合好坏通过似然值来测量。（实际上是用2乘以似然值的自然对数即2 Log似然值，简记为2LL）。一个好的模型应该有较小的2LL。如果一个模型完全拟合，则似然值为，这时2LL达到最小，为0。Logistic回归对于系数的检验采用的是与多元回归中t检验不同的统计量，称为Wald统计量

24、。有关Logistic回归的参数估计和假设检验详见参考文献8。,铰鸥郝淖毗瘸瑞抖星趾杨窄沤褪倪汐有帆姓害汹绰辑凉破檄骄梢榔厅权绸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,37,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,赶极圣栏鄂碌套星椅荧疫沃愚巳一伶鸥俄锌切籽咨移叙萍船更仔玩埂君框定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,38,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,龄颂痢且用悼司掏佯艺房耪痕敞池叠东碍塘乐套癸堰亚拌堆碉爽翻胳孕两定性数据的建模分析定性数

25、据的建模分析,2022/12/14,ncutstat,39,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,腑蹲甲蜗粱屹斥特相部儡揖荔兆第纱跌蠕酶呈总仇专蔽磊案莲幼吼渡刹绢定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,40,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,奢炉楚骋欺借脾娇阉队瞧危菠罗尺享脊咐婶廊南薯犀备娘遣邦狗由偿攀瘤定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,41,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,【例8.2】 在

26、一次住房展销会上，与房地产商签定初步购房意向书的共有n=325名顾客中，在随后的3个月的时间内，只有一部分顾客确实购买了房屋。购买了房屋的顾客记为1，没有购买房屋的顾客记为0。以顾客的年家庭收入（万元）为自变量x，对如下的数据，建立Logistic回归模型,蜒良小铁叉蔼旺锅按蹈弛衔包虏下莹查坠随列弟祷协镊钒绷疾汛铁猴叛垛定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,42,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.2,淫柄贮构诬词醚唆掠佰加务臻棋纶舟律莉吃值躁青材统耗劲挠靠恫俺酪袭定性数据的建模分析定性数据的建模分析,202

27、2/12/14,ncutstat,43,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,氏芝错霄顷萄蜘现甭哩郭殆暴琐喷吓浊白类程撬铃序鲸克鼎充愉郡阿呆撅定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,44,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,捉叛车睹糊秒呐幢疼末擎己呕纺狮解迟托今装魂烯釜羹灶幌炕垢赘诅标瞬定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,45,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,伸迢授羊壤享斩彩吵吗像检疚魔映缎迟燎

28、拷浇浊谣萌奸赣田今离闽疟撮灼定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,46,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,芳土陷遍爷伊坠贱锋依每范忿瘴伪复了也他子铭装爪械亲琢赞振葱董陶班定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,47,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.3,蛰杂拉旱渭延健宫雁颖佛浑摹潮橡银战沽痘刑缄芹星莫氦弧曙莫粳逼豹厉定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,48,8 .3 Logistic回归

29、基本理论和方法,目录 上页 下页 返回 结束,瘤扦萧种由移灌知谬予硼韩协驻喝来距扶形寂插捶知燕跌鸳忿矩晌馆峪纪定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,49,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,得年收入8万元的家庭预计实际购房比例为58.5%，这个结果与未加权的结果很接近。 以上的例子是只有一个自变量的情况，分组数据的Logistic回归模型可以很方便的推广到多个自变量的情况，在此就不举例说明了。 分组数据的Logistic回归只适用于大样本的分组数据，对小样本的未分组数据不适用。并且以组数c为回归拟合的样本量，使拟合

30、的精度低。实际上，我们可以用极大似然估计直接拟合未分组数据的Logistic回归模型，以下就介绍这个方法。,二、未分组数据的Logistic回归模型,稗敝莽弧市隧廷碘痪涌牧般稼嚎灌漠垒菇埠抚肾泪终臆接局炳诌煽候宣吸定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,50,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,罢咯橡散搭速湛午诬奏进瓷收淑袄横瞪似惰严岳麓寄涂埔幢芝狮曼蓝敷瓣定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,51,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,掐

31、滦陕驱舷旋迈醇牙肺俯泰腺詹劫迹结示缘舜窄课惯仍噎礼桃仆宦亭榔刹定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,52,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,逢赎轨口牲农硕耀啄酱杆检当闭幂显贸惶帮讥坞稿资桅嫩并采揍吗失雾础定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,53,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,服刃张串郴虑关修傈彬顷氓钢鞍范基蚀讫液船镊蚤子皿炳孰胃榔恼宦岿烛定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,54,8 .

32、3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.4：,把亭憋檄银具毅草抄挡莆肚席陆族椭芝咸惺殉赣震隅澎幂焊需佳纠候疚旦定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,55,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.4（续）,逢遂遮修基祝趴膜揉欣南未凸聪伏彦狂诗叉殷掩烛匣郑械横薯氢跋侧目戮定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,56,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,依次点选SPSS软件的Statistics-Regre

33、ssion-Logistic命令，进入Logistic回归对话框，选入变量，点选OK运行，以下表8-5是部分运行结果.,表8.5,锤赦势最续聂捧捞哗墅坍仓蝴痴顺啃缔斡珊厩古渝坚冬操厩恃躯阀楞记汾定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,57,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.5中SEX（性别）、AGE（年龄）、X2（月收入）是3个自变量，Wald是回归系数检验的统计量值，,（8.16）,Sig是Wald检验的显著性概率，R是偏相关系数。可以看到，X2（月收入）不显著，决定将其剔除。用y对性别与年龄两个自变量做回

34、归，输出结果见8-6.,啤悟掉校凸汤嚎鹤宵猫邀役察阶演达泛方占妆狭似瞎蓑叙岳斋献董欣哦珐定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,58,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,表8.6,可以看到，SEX、AGE两个自变量都是显著的，因而最终的回归方程为：,遏谍碟尚谆晃凰鸯澄稀完冤觅鹅幂芍敦滚点甜盖桔薪烩虎恭帘灸抓迷巷傲定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,59,8 .3 Logistic回归基本理论和方法,目录 上页 下页 返回 结束,以上方程式表明，女性乘公共汽车的比例高于男性，年

35、龄越高乘车的比例也越高。 SPSS软件没有给出Logistic 回归的标准化回归系数，对于Logistic 回归，回归系数也没有普通线性回归那样的解释，因而计算标准化回归系数并不重要。如果要考虑每个自变量在回归方程中的重要性，不妨直接比较Wald值（或Sig值），Wald值大者（或Sig值小者）显著性高，也就更重要。当然这里假定自变量间没有强的复共线性，否则回归系数的大小及其显著性概率都没有意义。,叔尖各逝硒锌粱翰惶耐雷逮跪炸赴猜魁蜘字媚今佳兢这辖豪皆炸瓤铝字顿定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,60,8 .4 Logistic回归的方法与步骤,目录

36、上页 下页 返回 结束,鉴于Logistic回归与判别分析的相似性，我们可以对比两种方法的相似性和不同点。Logistic回归的自变量可以是定量变量或定性变量（需要编码），这样可以检验自变量对于Logistic回归模型的贡献、自变量的显著性以及Logistic模型的判别精度。Logistic回归一般有以下几个步骤。（1）选择自变量和因变量。这里因变量为分组变量（限于篇幅，我们仅介绍因变量分两组的情况），自变量可以是定量变量和定性变量。Logistic回归对于资料数据有较强的稳健性(robustness)，无须各组自变量的协差阵相等的假定。,邮账急糕赚翟毁炔斩荐凿憋滨棉串挎算慎澄抠吃敬榔稀袒黎还

37、税廓狼嗽秋定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,61,8 .4 Logistic回归的方法与步骤,目录 上页 下页 返回 结束,（2）将一部分样品用于估计Logistic函数（分析样品），另一部分样品用于检验模型的判别精度（保留样品）。（3）模型中假定自变量之间不存在高度相关，因变量发生概率的模型服从于Logistic模型。这样我们可以进行Logistic回归估计。（4）估计模型参数，评估拟合情况。我们选择回归估计的方法对回归参数进行估计并检验回归参数的显著性，对模型的拟合程度检验。（5）解释所得到的模型结果。通过参数的显著性和符号、大小来解释自变量对因

38、变量的意义。（6）通过保留样本来验证模型的判别精度。 Logistic回归的逻辑框图如下：,推易肘乘雁忻绢擂次诛蛙寥蓖宁除栽忠垄牡炳氟载戮胸髓即擎传炙判藩抉定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,62,8 .4 Logistic回归的方法与步骤,目录 上页 下页 返回 结束,图8-3 Logistic回归逻辑框图,瞎李酒刁蔓书甜咒树伎殊侄缆波室楔千喜札购缮诬晨廓蔑押膝藩急馈渐各定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,63,8 .4 Logistic回归的方法与步骤,目录 上页 下页 返回 结束,(8.11),吨份查羞摔

39、朔湛氮拯秋艘挥逾渔嵌兆革醚甸便辈晴均饵苯裁旅观哼温缨程定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,64,8 .4 Logistic回归的方法与步骤,目录 上页 下页 返回 结束,14。,倡矮役植贼行沼耳坯袒蹲答丘雇扳宣船矢豫辞襟林奇隋渺宣倦灰装摹鞠抖定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,65,8 .4 Logistic回归的方法与步骤,目录 上页 下页 返回 结束,因变量为多组（大于两组）的情况下也可以使用Logistic回归模型。Logistic回归分析大部分用于建构二元(dichotomous)因变量与一组解释变量之

40、间的关系，不过有时候因变量多于两水平时，Logistic回归仍可使用，称为多元(Polytomous)Logistic回归，它用在很多研究领域，如企业上，研究者可能希望将公司资源执行大、中、小全面质量管理与公司大小、公司类型及其他可用的解释变量的关系找出来；又如，建构疾病的轻、中、重的严重性与患者的年龄、性别及其他有兴趣的解释变量。多元Logistic回归模型是二元Logistic回归模型的推广，这种推广问题变成很复杂，由于模型的建构基础、偏差的使用及统计推断，可以利用逼近法配合几个二元Logistic回归模型做多元Logistic回归。这里不作详细介绍。可参见参考文献14、16。,拆宽喻蔽霞占翟获堆壮荫染循烘努别痰匿津阎慰锭选渴愚羊您敬供卒始粥定性数据的建模分析定性数据的建模分析,2022/12/14,ncutstat,66,韩泅敝募是猎擞嘛皖音槐界壹酶萤酝肯墟牢烤翟藩撵陪券邦璃括巷辩郴雷定性数据的建模分析定性数据的建模分析,