求问二元logistic回归结果该如何解释啊? |
您所在的位置:网站首页 › log logistic 模型 › 求问二元logistic回归结果该如何解释啊? |
举个例子说明一下: 影响关系研究是所有研究中最为常见的。我们都知道当Y是定量数据时,线性回归可以用来分析影响关系。如果现在想对某件事情发生的概率进行预估,比如一件衣服的是否有人想购买?这里的Y是“是否愿意购买”,属于分类数据,所以不能使用回归分析。 如果Y为定类数据,研究影响关系,正确做法是选择Logistic回归分析。 01. 概念Logistic回归分析也用于研究影响关系,即X对于Y的影响情况。Y为定类数据,X可以是定量数据或定类数据。 Logistic回归和线性回归最大的区别在于,Y的数据类型。线性回归分析的因变量Y属于定量数据,而Logistic回归分析的因变量Y属于分类数据。 02. Logistic回归分类Logistic回归在进一步细分,又可分为二元Logit(Logistic)回归、多分类Logit(Logistic)回归,有序Logit(Logistic)回归。 Logistic回归分析可用于估计某个事件发生的可能性,也可分析某个问题的影响因素有哪些。 医学研究中,Logistic回归常用于对某种疾病的危险因素分析。像是分析年龄、吸烟、饮酒、饮食情况等是否属于2型糖尿病的危险因素。 问卷研究中,Logistic回归常被用在分析非量表题上,像是将样本基本背景信息作为X,购买意愿作为Y,分析性别、年龄、家庭条件是否会影响购买意愿。 其中,二元Logistic回归分析的使用频率最高,使用简单方便容易理解和描述,下面以二元Logistic回归为例,对操作步骤,及结果解读进行说明。 04. 案例应用(1)背景 有一份关于大学生对某商品购买意愿的调查问卷。共收集到468份问卷数据,研究者要将“性别”、“年龄”、“专业”、“月生活费”四个变量作为潜在的影响因素,购买意愿为Y,做二元Logistic回归分析。 这些自变量中,性别和文化程度是定类数据,需要设定对照参考项,这里将女生和医学专业作为对比参照项。年龄和月收入为定量数据直接放入。 (2)分析步骤 ①数据预处理 首先将定类数据做哑变量处理,SPSSAU要求Logistic回归Y值只可为1和0,不能取其他数字。所以在正式分析前,还要处理下Y值。操作示意图如下: ②二元Logistic回归分析 将全部分析项(设成哑变量的要少放一项)放入分析框内,点击开始二元Logit回归。 (3)结果分析 SPSSAU共输出四个结果表格,分别是基本汇总表、似然比检验表、二元Logit回归分析表、预测准确率表。 表1为基础汇总表,主要用来汇总数据信息,查看Y值的分布比例以及是否有缺失数据。如果缺失数据过多,或者Y值分布非常不均匀,可能会导致模型质量较差。 从上表可知,将性别, 年龄, 专业, 月生活费作为自变量,而将new_购买意愿作为因变量进行二元Logit回归分析,从上表可以看出,总共有468个样本参加分析,并且没有缺失数据。 表2为模型似然比检验结果,用于分析整体是否有效。主要关注P值,AIC和BIC值用于多次分析时的对比;两个值越低越好;如果多次进行分析,可对比此两个值的变化情况,说明模型构建的优化过程。 从上表可知:此处模型检验的原定假设为:是否放入自变量(性别_男, 理工类, 文科类, 艺体类, 年龄, 月生活费)两种情况时模型质量均一样;这里P值小于0.05,因而说明拒绝原定假设,即说明本次构建模型时,放入的自变量具有有效性,本次模型构建有意义。 表3为二元Logistic回归分析结果,用于分析模型整体情况,以及每个X对Y的影响情况(显著性、影响程度等)。 其中主要关注P值,回归系数,OR值和R Pseudo R²。 P值:判断X对Y是否呈现出显著性的影响,P |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |