逻辑回归的spss应用

逻辑回归应用于预测因变量为二分类变量的情况：这个客户是否会流失？病人是否会康复？Logistic回归是基于线性回归发展来的，适用因变量为二分类变量的情况，主要应用于：1.影响因素的分析  2.结局的预测（等同于回归分析）

1.基本表达式
 

2.本次分析目的和涉及相关术语

本次分析主要探讨低出生体重儿的影响因素，预测一个婴儿为低体重出生儿的概率

下表是可能影响低出生体重儿出生的因素：

           1三个检验 

             walds检验  考察单一自变量与因变量的关系

              似自然比检验   直接比较两个模型的-2倍对数自然值，对比两个模型的最终结果选择是否纳              入相应参数

              比分检验     比较纳入前后，对结果的影响程度，（条件）适合与筛选变量

3.spss分析的操作步骤

 分析→回归→二元logistic → 选入相关参数

4.结果解读

       1  第一个表  简单的汇总统计  没有确实189个案例全部是有效数据

           第二个表  由于逻辑回归的结果介于0 和1之间  将结果编码为0和1，p值越大表示越婴儿有可能为低体重出生儿

           第三个表是只有常数项时模型预测结果，可以看到只有常数项时，模型的整体正确率为68.8

            2       表一   只有常数项时的结果和参数的取值

                    表二   中分数这一项为比分检验的结果（在原有模型的基础上加入SMOKE，是否会使                       得的模型有所改善）  显著性表示这个改善是否有统计学意义，可以看到大部分变量的                       改善都是有统计学意义的

                   表三表示新模型和只有常数项的模型相比较模型的改善情况，也能看到模型的改善程度                    越来越大

                  3.表一  -2倍的对数似自然值 这个数目越小模型的效果越好   cox和nage为为r方检验参考                 意义不大   可以看到随着步骤的推进，模型的效果越来越好了。

                    表二   是模型预测的准确率 ，可以看到模型的整体准确率不断的提高到71.4%

4.     表一   我们用的向前法中的LR根据似自然比（模型整体参数的变化），可以看到模型的参数由一个变量到三个变量  ，和加入变量后变量的取值和显著性还有  比分比数值

       表二向前法既增加变量又删减变量，这个表是表示删除变量后自然比的变化 ，删除plt发现模型变化很大，故不可删除

5.           表一    (向前LR）考虑进也考虑出  向后法只出不进；LR似自然比检验比较模型总体参数

                      向前条件 比分检验用于变量的筛选

             表二    表示向前法变量的筛选情况   ，在步骤一种ht 的显著性最高，考虑将ht纳入模型，步              骤二将lwt 变量也纳入模型，后面的变量somke 显著性接近0.1为了保持模型的简单性，没有纳入（具体是否纳入要考虑专业人员的意见）