spss—二元logistic回归结果分析

《spss—二元logistic回归结果分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、SPSS—二元Logistic回归结果分析2011-12-0216:48      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

2、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

3、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-X¯)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：y

4、¯=129/489=0.2638036809816           x¯=16951/489=34.664621676892所以：∑(Xi-x¯)²=30074.9979         y¯（1-y¯）=0.2638036809816 *（1-0.2638036809816）=0.19421129888216则：y¯（1-y¯）* ∑(Xi-x¯)²=0.19421129888216*30074.9979=5840.9044060372则：[∑Xi(yi-y¯）]^2=43570.8 所以：

5、=43570.8/5840.9044060372=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

6、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：Cox&SnellR方 和NagelkerkeR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Cox&SnellR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L

7、ogistic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：Cox&SnellR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Leme

8、show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Lemeshow检验随即表”中的数据得到的（即通过“观测值和”预测值“）得到的，计算公式如下所示：x²（卡方统计量）= ∑（观测值频率-预测值频率）^2/预测