SPSS中逻辑回归实战:理解参数与建模过程
需积分: 12 122 浏览量
更新于2024-09-15
收藏 288KB DOC 举报
本资源主要介绍了如何在SPSS中实现逻辑回归(Logistic Regression)的具体步骤,并解释了相关参数的含义。首先,逻辑回归是一种用于二分类问题的统计学方法,它通过将线性回归模型的输出转换为概率形式来预测离散结果。在给出的社会调查例子中,研究者想要了解年龄、月收入和性别(X1, X2, X3)是否能预测人们选择乘坐公交车(Y=1)还是骑自行车(Y=0)上班。
1. 数据概述:提供的数据包含28个工薪族样本,其中无缺失值。表8-4展示了案例的分类和因变量编码,以及初始的-2对数似然值(-2LL),表示模型的拟合度。
2. 模型构建过程:
- 第一步:建立了只包含常数项的模型,-2LL值为38.673,表示当前模型的拟合效果。
- 进入迭代过程:在后续步骤中,逐步加入了自变量X1(年龄)、X2(月收入),并在达到一定准则(参数估计变化小于0.001)后停止迭代。
- 最终模型在步骤5处终止,-2LL值进一步降低,显示模型加入了自变量后的拟合性增强。
3. 结果检验:表7展示了迭代历史记录,每次迭代的-2LL值和系数值变化。卡方检验(表8)用于评估模型整体的拟合优度,其显著性水平为0.005,表明模型与观测数据之间存在显著关联。
4. 分类表(表4)给出了预测结果,根据预测值和切割值(此处为0.500),可以判断每个观测值落入哪一类(0表示骑车,1表示乘车)。
5. 变量重要性:表5列出了模型中的变量及其得分,df(自由度)也一并列出,这些信息可用于判断每个自变量对结果的影响程度。
这个资源详细讲解了如何使用SPSS进行逻辑回归分析,包括数据预处理、模型建立、迭代过程和结果解释等关键步骤,对于理解和应用逻辑回归技术非常有帮助。在实际应用中,理解这些参数和表格有助于优化模型并确保其在预测上的有效性。
2018-09-21 上传
2019-10-06 上传
2019-02-19 上传
2010-10-18 上传
2022-07-14 上传
2021-10-01 上传
2021-06-26 上传
snow_2015
- 粉丝: 0
- 资源: 2
最新资源
- Aspose资源包:转PDF无水印学习工具
- Go语言控制台输入输出操作教程
- 红外遥控报警器原理及应用详解下载
- 控制卷筒纸侧面位置的先进装置技术解析
- 易语言加解密例程源码详解与实践
- SpringMVC客户管理系统:Hibernate与Bootstrap集成实践
- 深入理解JavaScript Set与WeakSet的使用
- 深入解析接收存储及发送装置的广播技术方法
- zyString模块1.0源码公开-易语言编程利器
- Android记分板UI设计:SimpleScoreboard的简洁与高效
- 量子网格列设置存储组件:开源解决方案
- 全面技术源码合集:CcVita Php Check v1.1
- 中军创易语言抢购软件:付款功能解析
- Python手动实现图像滤波教程
- MATLAB源代码实现基于DFT的量子传输分析
- 开源程序Hukoch.exe:简化食谱管理与导入功能