美文网首页
逻辑回归的spss应用

逻辑回归的spss应用

作者: 洛水青柳2017 | 来源:发表于2017-03-12 23:38 被阅读0次

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)

相关文章

网友评论

      本文标题:逻辑回归的spss应用

      本文链接:https://www.haomeiwen.com/subject/wzmxnttx.html