1、spssau 多分类logistic回归Logistic回归之多分类logistic回归分析Logistic回归分析(logit回归)一般可分为3类:分别是二元Logistic回归分析、多分类Logistic回归分析和有序Logistic回归分析。logistic回归分析类型如下所示。Logistic回归选择自变量X因变量Y研 究 方 法研 究 场 景定量数据/分类数据分类数据(2组)二元Logistic回归分析数据间影响关系情况如何定量数据/分类数据分类数据(多组且有序)多分类Logistic回归分析数据间影响关系情况如何定量数据/分类数据分类数据(多组且有序)有序Logistic回归分析数
2、据间影响关系情况如何Logistic回归分析用于研究X对Y的影响,并且对X的数据类型没有要求,X可以为定类数据,也可以为定量数据,但要求Y必须为定类数据,并且根据Y的选项数,使用相应的数据分析方法。如果Y有两个选项,如愿意和不愿意、是和否,那么应该使用二元Logistic回归分析(SPSSAU进阶方法-二元logit);如果Y有多个选项,并且各个选项之间可以对比大小,例如,1代表“不愿意”,2代表“无所谓”,3代表“愿意”,这3个选项具有对比意义,数值越高,代表样本的愿意程度越高,那么应该使用多元有序Logistic回归分析(SPSSAU进阶方法-有序logit);如果Y有多个选项,并且各个选
3、项之间不具有对比意义,例如,1代表“淘宝”,2代表“天猫”,3代表“京东”,4代表“亚马逊中国”,数值仅代表不同类别,数值大小不具有对比意义,那么应该使用多元无序Logistic回归分析(SPSSAU进阶方法-多分类logit)。1多分类logistic回归分析基本说明只要是logistic回归,都是研究X对于Y的影响,区别在于因变量Y上,logistic回归时,因变量Y是看成定类数据的,如果为二元(即选项只有2个),那么就是二元logistic回归; 如果Y是多个类别且类别之间无法进行对比程度或者大小,则为多分类logistic回归;如果Y是多个类别且类别之间可以对比程度大小(也称为定量数据
4、,或者有序定类数据),此时则使用有序logistic回归。多分类logistic回归的难点在于:因变量为类别数据,研究X对Y的影响时,如果为类别数据,那么不能说越如何越如何,比如不能说越满意越愿意购买;而只能说相对小米手机来说,对于手机外观越满意越愿意购买苹果手机。这就是类别数据的特点,一定是相对某某而言。这就导致了多分类logistic回归分析时,文字分析的难度加大,最好是使用SPSSAU的智能文字分析对应查看。单独进行多分类logistic回归时,通常需要有以下步骤,分别是数据处理,模型似然比检验,参数估计分析和模型预测效果分析共4个步骤。1)数据处理如果说因变量Y的类别个数很多,比如为1
5、0个,此时建议时对类别进行组合下,尽量少的减少类别数量,便于后续进行分析。此步骤可通过SPSSAU数据处理模块的数据编码功能完成。如果说自变量X是定类数据,那么可对X进行虚拟哑变量处理,使用SPSSAU数据处理模块的生成变量功能。关于虚拟哑变量问题,可参阅SPSSAU的手册。其实定类数据在做影响关系研究时,通常都会做虚拟哑变量处理。而且做完之后,放入模型时一定要少放一项,比如专业分成理工科,文科类,体育艺术类。那么分析时一定要少放一项(少放的项是参考项),因为这涉及到分析时进行文字描述。至于少放那一项,由研究者自行决定即可。处理完成数据,确保数据没有问题后,直接进入SPSSAU的进阶方法找到“
6、多分类logit”进行分析即可。2)模型似然比检验模型似然比检验用于对整个模型的有效性进行分析,一般对应的P值小于0.05即可。同时SPSSAU还提供AIC和BIC这两个指标值,如果模型有多个,而且希望进行模型之间的优劣比较,可使用此两个指标,此两个指标是越小越好。具体可直接查看SPSSAU的智能分析和分析建议即可。3)参数估计分析参数估计分析其实就已经开始进入实质性的分析了。首先可分析R方,即模型的拟合水平情况,SPSSAU提供3个R方值指标,分别是McFaddenR方、Cox & SnellR方和NagelkerkeR方。此3个R方均为伪R方值,其值越大越好,但其无法非常有效的表达模型的拟
7、合程度,意义相对交小,而且多数情况此3个指标值均会特别小,研究人员不用过分关注于此3个指标值。一般报告其中任意一个R方值指标即可。接着分析回归系数,即X对于Y的影响。一定记住,分析时是先基于以*作为参照时,X对于*有正向影响。比如相对于小米手机作为参照项,用户对于手机外观的在乎程度会正向影响到用户选择苹果手机。简而言之即说明,相对小米手机,用户越在乎外观时,更加可能选择苹果手机。4)模型预测效果分析多分类logistic回归建模时,还可以对模型的预测效果进行分析,当然一般情况下我们关注于影响关系,因而对于预测效果等不那么看重。即模型预测质量的关注乎相对较低,多数时候直接忽略它。2 如何使用SP
8、SSAU进行多分类logistic回归操作关于多分类logistic回归的操作上,SPSSAU操作如下:此处的X为3个,分别是性别,学历和年龄,学历和年龄是定量数据直接纳入模型中即可。但是性别是定类数据,所以先做了虚拟哑变量(数据处理-生成变量功能),然后性别分为两项分别是男和女,以男作为参照项,因此把女放入了模型中。至于分析结果如下:多分类Logistic回归模型似然比检验似然比卡方值dfpAIC 值BIC 值-2LLNULL值-2LLF值91.57360.0003625.2563669.4273700.8293609.256此处模型检验的原定假设为:是否放入自变量(性别_女, 学历, 年龄
9、)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。多分类Logistic回归分析结果汇总华为回归系数标准误z 值p 值OR值OR值95% CI性别_女-0.3090.145-2.1270.0330.7340.552 0.976学历-0.0650.062-1.0530.2920.9370.829 1.058年龄-0.4370.072-6.0760.0000.6460.561 0.744截距0.3900.2271.7220.0851.4770.948 2.303苹果回归系数标准误z 值p 值OR值OR值95%
10、CI性别_女0.4360.1044.1920.0001.5461.261 1.896学历-0.0020.043-0.0540.9570.9980.917 1.085年龄0.0760.0501.5160.1301.0790.978 1.191截距-0.1240.179-0.6940.4880.8830.623 1.254McFadden R 方:0.025模型的R方值仅为0.025,但一般报告下即可,伪R方值一般都比较低。特别需要注意分析:上表格加蓝色底纹的项为P值小于0.05即呈现出显著的项,接下来逐一说明下,性别_女的回归系数值为-0.309,并且呈现出0.05水平的显著性(z=-2.127
11、,p=0.0330.05),这说明相对于男性来讲,女性更加偏好于小米手机。为什么这样阐述呢,首先在多分类logistic回归,SPSSAU将因变量Y的第1项(此处为小米手机)作为参照项。那么性别_女呈现出负向影响,就说明越女性,越偏向于小米手机,因而结论就是,相对于华为手机来讲,女性明显更加偏好于小米手机。相对小米手机来讲,年龄的回归系数值为-0.437,并且呈现出0.01水平的显著性(z=-6.076,p=0.0000.01),负向影响,即说明年龄越大(此处年龄是定量数据所以可以说年龄越大越如何),用户越不偏好华为手机。那就是说年龄越大用户越偏好于小米手机。接着,相对于小米手机来讲,在苹果手
12、机进行对比时,性别_女的回归系数值为0.436,并且呈现出0.01水平的显著性(z=4.192,p=0.000数据编码】功能操作。第3点:OR值的意义OR值=exp(b)值,即回归系数的指数次方,该值在医学研究里面使用较多,实际意义是X增加1个单位时,Y的增加幅度。如果仅仅是研究影响关系,该值意义较小。第4点: wald值或z值z 值=回归系数/标准误,该值为中间过程值无意义,只需要看p 值即可。有的软件会提供wald值(但不提供z 值,该值也无实际意义),wald值= z 值的平方。第5点: McFaddenR方、Cox & SnellR方和NagelkerkeR方相关问题?Logit回归时会提供此3个R方值(分别是McFaddenR方、Cox & SnellR方和NagelkerkeR方),此3个R方均为伪R方值,其值越大越好,但其无法非常有效的表达模型的拟合程度,意义相对交小,而且多数情况此3个指标值均会特别小,研究人员不用过分关注于此3个指标值。一般报告其中任意一个R方值指标即可。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1