SPSS—二元Logistic回归结果分析.docx

SPSS—二元Logistic回归结果分析2011-12-02 16:48 身心疲惫，睡意连连，头不断往下掉，拿出耳机，听下歌曲，缓解我这严重的睡意吧！今天来分析二元Logistic回归的结果分析结果如下：1： 在“案例处理汇总”中可以看出：选定的案例489个，未选定的案例361个，这个结果是根据设定的validate = 1得到的，在“因变量编码”中可以看出“违约”的两种结果“是”或者“否” 分别用值“1“和“0”代替， 在“分类变量编码”中教育水平分为5类， 如果选中“为完成高中，高中，大专，大学等，其中的任何一个，那么就取值为 1，未选中的为0，如果四个都未被选中，那么就是”研究生“ 频率分别代表了处在某个教育水平的个数，总和应该为 489个1：在“分类表”中可以看出： 预测有360个是“否”（未违约） 有129个是“是”（违约）2：在“方程中的变量”表中可以看出：最初是对“常数项”记性赋值，B为-1.026， 标准误差为：0.103那么wald =( B/S.E)2=(-1.026/0.103)2 = 99.2248, 跟表中的“100.029几乎接近，是因为我对数据进行的向下舍入的关系，所以数据会稍微偏小，B和Exp(B) 是对数关系，将B进行对数抓换后，可以得到：Exp(B) = e^-1.026 = 0.358,? 其中自由度为1， sig为0.000，非常显著1：从“不在方程中的变量”可以看出，最初模型，只有“常数项”被纳入了模型，其它变量都不在最初模型内表中分别给出了，得分，df ,? Sig三个值,?而其中得分（Score)计算公式如下：?（公式中 （Xi- Xˉ) 少了一个平方）下面来举例说明这个计算过程：(“年龄”自变量的得分为例）?从“分类表”中可以看出：有129人违约，违约记为“1”?? 则 违约总和为 129， 选定案例总和为489那么： yˉ = 129/489 = 0.2638036809816 xˉ = 16951 / 489 = 34.664621676892 所以：∑(Xi-xˉ)2 = 30074.9979 yˉ（1-yˉ）=0.2638036809816? *（1-0.2638036809816 ）=0.19421129888216则：yˉ（1-yˉ）*? ∑(Xi-xˉ)2 =0.19421129888216 * 30074.9979 = 5 840.9044060372 则：[∑Xi(yi - yˉ）]^2 = 43570.8?所以：=43570.8 / 5 840.9044060372 = 7.4595982010876 = 7.46 （四舍五入）?计算过程采用的是在 EXCEL 里面计算出来的，截图如下所示：?从“不在方程的变量中”可以看出，年龄的“得分”为7.46，刚好跟计算结果吻合！！答案得到验证~！！！！?1:从“块1” 中可以看出：采用的是：向前步进 的方法， 在“模型系数的综合检验”表中可以看出： 所有的SIG 几乎都为“0”?? 而且随着模型的逐渐步进，卡方值越来越大，说明模型越来越显著，在第4步后，终止， 根据设定的显著性值 和? 自由度，可以算出 卡方临界值， 公式为：=CHIINV(显著性值,自由度)? ，放入excel就可以得到结果2：在“模型汇总“中可以看出：CoxSnellR方? 和 Nagelkerke R方 拟合效果都不太理想，最终理想模型也才：0.305 和 0.446，最大似然平方的对数值 都比较大，明显是显著的似然数对数计算公式为：计算过程太费时间了，我就不举例说明 计算过程了CoxSnellR方的计算值?是根据：1：先拟合不包含待检验因素的Logistic模型，求对数似然函数值INL0????????（指只包含“常数项”的检验）2：再拟合包含待检验因素的Logistic模型，求新的对数似然函数值InLB （包含自变量的检验）?再根据公式： 即可算出：CoxSnellR方的值！??提示：?将Hosmer 和 Lemeshow 检验 和“随机性表” 结合一起来分析1：从?Hosmer 和 Lemeshow 检验表中，可以看出：经过4次迭代后，最终的卡方统计量为：11.919， 而临界值为：CHINV(0.05,8) = 15.507卡方统计量 临界值，从SIG 角度来看： 0.155 0.05 , 说明模型能够很好的拟合整体，不存在显著的差异。2：从Hosmer 和 Lemeshow 检验随即表中可以看出： ”观测值“和”期望值“几乎是接近的，不存在很大差异，说明模型拟合效果比较理想，印证了“Hosmer 和 Lemeshow 检验”中的结果而“Hosmer 和 Lemeshow 检验”表中的“卡方”统计量，是通过“Hosmer 和 Lem