SPSS操作方法逻辑回归Word格式文档下载.docx

SPSS操作方法逻辑回归Word格式文档下载.docx

《SPSS操作方法逻辑回归Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《SPSS操作方法逻辑回归Word格式文档下载.docx（11页珍藏版）》请在冰豆网上搜索。

25

3

23

17

27

1300

4

950

28

1500

5

19

30

6

31

32

7

36

33

1800

8

42

22

9

46

38

10

48

24

41

11

55

45

12

56

2100

26

13

58

52

14

逻辑回归SPSS操作方法的具体步骤：

1．选择Analyze→Regreessin→BinaryLogistic,打开对话框如图1所示：

图1主对话框Logistic回归。

2．选择因变量Y进入Dependent框内，将自变量选择进入Convariates框。

也可以将不同的自变量组放在不同的块（block）中，可以分析不同的自变量组对因变量的贡献。

3．在Mothed框内选择自变量的筛选策略：

Enter表示强行进入法；

（本例选择）

Forword和Bacword都表示逐步筛选策略；

Forword为自变量逐步进入，Bacword是自变量逐步剔出。

Conditional;

LR;

Wald分别表示不同的检验统计量，如ForwordWald表示自变量进入方程的依据是Wald统计量。

4．在Selection中选择一个变量作为条件变量，只有满足条件的变量数据才能参与回归分析。

5．单击Categorical打开Categorical对话框如图2所示：

对定性变量的自变量选择参照类。

常用的方法是Indicator，即以某个特定的类为参照类，Last表示以最大值对应的类为参照类（系统默认），First表示以最小值对应的类为参照类。

选择后点击Continue按钮返回主对话框。

（本例不作选择性）

图2Categorical对话框

6．单击Option按钮，打开Option对话框如图3所示

图3：

Option对话框

（1）从StatisticsandPlots框中选择输出图和分析结果。

ClassificationPlots：

表示绘制因变量实际值与预测分类值的关系图（本例选择）。

Hosmer-lemeshowgoodness-of-fit：

表示拟合优度指标（本例选择）。

CasewiseListingofresiduals：

表示输出各样本数据残差列表，有因变量的观察值，预测值，相应的预测概率，残差（非标准化残差，标准化残差）等。

Correlationsofestimations：

表示输出估计参数的相关矩阵（本例选择）。

Iterationhistory：

表示输出估计参数迭代过程中的参数与对数似然值（本例选择）。

CIforexp（B）：

表示输出发生比N%的置信区间（默认95%）。

（2）从Display框中选择输出方式。

Ateachstep表示输出模型建立过程中的每一步结果（系统默认），Atlaststep表示只输出最终结果。

（3）从PropbabilityforStepwise框中指定自变量进入方程或剔除方程的显著性水平α。

Entry表示回归系数Score检验的概率p值小于时相应变量可进入方程；

Removal表示回归系数Score检验的概率p值大于时相应变量应当剔除出回归方程.。

（4）ClassificationCutoff设置概率分界值，预测概率大于分界值（默认）时,分类预测值为1,否则为预测值为0。

（本例选择系统默认项）

（5）从MaximumIterations框内指定极大似然估计的最大迭代次数（默认值是20）

7．单击Save按钮，打开Save对话框如图4所示：

从中选择需要保存预测结果到数据窗口。

图4：

Save对话框

（1）从PredietedValues框中，Probalities表示保存因变量取1的预测概率值，Croupmembership

表示保存分类预测值。

（2）Residuals和Influence表示保存残差及影响点，具体含义与线性回归相同。

选择结束，后可以从输出窗口观看输出结果如下：

表1案例处理摘要

未加权的案例a

N

百分比

已选定的案例

包括在分析中

缺失案例

.0

总计

未选定的案例

a.如果权重有效，请参见分类表以获得案例总数。

表2因变量编码

初始值

内部值

以上两个表是数据个数，分类，及因变量的概况。

表3迭代历史记录a,b,c

迭代

-2对数似然值

系数

Constant

步骤0

a.模型中包括常量。

b.初始-2对数似然值:

c.因为参数估计的更改范围小于.001，所以估计在迭代次数2处终止。

表4分类表a,b

观察值

预测值

出行方式

百分比校正

总百分比

b.切割值为.500

表5方程中的变量

B

.

Wald

df

显著性

Exp（B）

常量

.379

.143

.706

.867

表6不在方程中的变量

得分

变量

x3

.024

x1

.014

x2

.086

总统计量

.015

注意：

表3至表6表示只有常数项的模型，没有实际意义，可以不考虑。

表7迭代历史记录a,b,c,d

x1

（1）

步骤1

.056

.001

.075

.082

.002

a.方法：

输入

b.模型中包括常量。

c.初始-2对数似然值:

d.因为参数估计的更改范围小于.001，所以估计在迭代次数5处终止。

表7表示的是迭代历史，表示每一次迭代中-2LL值和系数值。

表8模型系数的综合检验

卡方

步骤

.005

块

模型

表8模型综合检验是模型拟合优度检验的，用-2LL度量。

最好的模型有-2LL=0，步骤1中的“步骤”中的卡方值是当前-2LL与下一步-2LL的差值，“块”中的卡方值为当前值-2LL与后一组变量进入模型后的-2LL的差值，“模型”中的卡方统计量是当前模型中的-2LL与只含常数项模型的-2LL的差值，因所有自变量是强行进入，只有一个步骤，一个块和一个模型，所以三者的卡方值相等。

本例中假设检验的P值等于，小于，故模型中至少有一个回归系数不为0。

表9模型摘要

Cox&

SnellR方

NagelkerkeR方

25.971a

.365

.487

a.因为参数估计的更改范围小于.001，所以估计在迭代次数5处终止。

从表9中看出-22LN值不算太大，模型拟合程度一般。

SnellR2和NagelkerkeR2类似于线性模型中的拟合优度检验。

其中：

SnellR2=

NagelkerkeR2=

从表中得出Cox&

SnellR2和NagelkerkeR2类不是太高，似合优度一般。

表10Hosmer和Lemeshow检验

.118

表11Hosmer和Lemeshow检验的随机性表

出行方式=0

出行方式=1

期望值

.173

.336

.527

.953

.556

.172

表10和表11是逻辑方程的拟合程度的检验，由于观察值和理论频数的差异不大，检验通过。

但是理论频数都小于5，原因是数据个数太少造成的，所以检验结果有待进一步检验。

表12分类表a

a.切割值为.500

表12也称错判矩阵。

从表10中看出，如出行方式为坐公交车15人中，预测值为13人，正确率为%。

表13方程中的变量

步骤1a

.031

.052

.115

.661

.416

.081

.026

a.在步骤1中输入的变量:

x3,x1,x2.

从表13中可以得到回归系数、回归系数的标准误、Wald检验统计量、P值、发生比等。

其中第二个与第三个变量的回归系数没有通过检验。

为回归系数

的标准误。

表示一个自变量的发生比，指当其它自变量不变时，该自变量每增加一个单位，将引起发生比扩大

。

表14相关矩阵

x3

x1

x2

.311

表14中表示的是回归系数的相关矩阵。

Step 

number:

Observed 

Groups 

and 

Predicted 

Probabilities

Probability 

is 

of 

Membership 

for 

The 

Cut 

Value 

.50

Symbols:

0 

- 

图5预测分类图

预测分类图中显示预测值的分布，横坐标表示预测概率值,大于的预测值将预测为1，小于的预测值为0。

图中0表示实际观察值为Y=0，1表示观察值Y=1，纵向四个同样的数字表示一个样本观察值。

实验题：

为研究某商品消费特点和趋势，收集以往的消费数据，数据包括：

因变量Y为是否购买，购买取值为1，否则Y取值为0。

自变量有性别，年龄和收入水平。

数据见表。

试采用逻辑回归的方法进行分析。