logistic回歸分析及其應(yīng)用(編輯修改稿)
2025-06-16 22:45 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 者年齡 39。 value labels sex 1 39。男 39。 2 39。女 39。 /hisc 1 39。是 39。 0 39。否 39。 9 39。無(wú)法判斷 39。 /nsex 1 39。正常 39。 0 39。異常 39。 9 39。未檢 39。 /demdx 1 39。有 39。 0 39。無(wú) 39。 /addx 0 39。無(wú) 39。 1 39。危險(xiǎn)性 39。 2 39?？赡?39。 3 39。很可能 39。 /edu 0 ‘文盲 ’ 1 ‘小學(xué)程度 ’ 2 ‘初中及以上 39。 2021/6/15 16 啞變量，又稱 指示變量 或 設(shè)計(jì)矩陣 。 有利于檢驗(yàn)等級(jí)變量各個(gè)等級(jí)間的變化是否相同 ,但主要適合于無(wú)序分類變量。 一個(gè) k分類的分類變量，可以用 k1個(gè)啞變量來(lái)表示。 2021/6/15 17 啞變量的設(shè)置 教育程度 X1 X2 X3 文盲： 0 0 0 0 小學(xué)： 1 1 0 0 初中： 2 0 1 0 高中： 3 0 0 1 教育程度 ： 文盲，小學(xué)，初中，高中以上 以文盲作為參考組 2021/6/15 18 教育程度 X1 X2 X3 文盲： 0 1 0 0 小學(xué)： 1 0 1 0 初中： 2 0 0 1 高中： 3 0 0 0 以高中作為參照 2021/6/15 19 SPSS提供的方法 Indicator: 默認(rèn)。以第 1 或最后 1類作對(duì)照，其他每類與對(duì)照比較； Sample: 以第 1 或最后 1類作對(duì)照，其他每類與對(duì)照比較，但反映平均效應(yīng)。 Difference: 除第 1類外各分類與其前各類平均效應(yīng)比較； Helmert: 除最后 1類外各分類與其前各類平均效應(yīng)比較； Repeated: 除第 1類外各分類與其前一類比較； Polynomial: 假設(shè)類間距相等，用于數(shù)值型變量。 Deviation: 以第 1 或最后 1類作對(duì)照，其余每類與總效應(yīng)比較。 2021/6/15 20 了解自變量與因變量的分布 檢驗(yàn)是否符合建立模型的應(yīng)用條件 ? 偏離應(yīng)用條件時(shí)，進(jìn)行數(shù)據(jù)變換 各個(gè)自變量?jī)山M間的比較 ? 計(jì)數(shù)資料 ? 計(jì)量資料 雙變量分析 2021/6/15 21 變量篩選的原則 ? 專業(yè)上考慮 ? 測(cè)量上考慮 ? 共線性問(wèn)題：計(jì)算相關(guān)矩陣，相關(guān)系數(shù) ，則選其一。 ? 缺失數(shù)據(jù)少、測(cè)量誤差低的優(yōu)先選擇 ? 經(jīng)驗(yàn)上考慮 ? 雙變量分析中有顯著性的自變量（ P ≤０ .15） ? 選擇那些改變主效應(yīng)的自變量 2021/6/15 22 變量的篩選 變量篩選的可用方法 ? 逐步 logistic回歸： 自
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1