論文經(jīng)典方法：logistic回歸分析及其應(yīng)用(編輯修改稿)
2024-09-12 00:28 本頁面
【文章內(nèi)容簡介】 39。 value labels sex 1 39。男 39。 2 39。女 39。 /hisc 1 39。是 39。 0 39。否 39。 9 39。無法判斷 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 39。 /addx 0 39。無 39。 1 39。危險性 39。 2 39?？赡?39。 3 39。很可能 39。 /edu 0 ‘文盲 ’ 1 ‘小學程度 ’ 2 ‘初中及以上 39。 2022/8/28 16 啞變量，又稱 指示變量 或 設(shè)計矩陣 。 有利于檢驗等級變量各個等級間的變化是否相同。 一個 k分類的分類變量，可以用 k1個啞變量來表示。 2022/8/28 17 啞變量的設(shè)置 教育程度 X1 X2 X3 文盲： 0 0 0 0 小學： 1 1 0 0 初中： 2 0 1 0 高中： 3 0 0 1 教育程度 ： 文盲，小學，初中，高中以上 2022/8/28 18 教育程度 X1 X2 X3 文盲： 0 1 0 0 小學： 1 0 1 0 初中： 2 0 0 1 高中： 3 0 0 0 以高中作為參照 2022/8/28 19 SPSS提供的方法 Indicator: 默認。以第 1 或最后 1類作對照，其他每類與對照比較； Sample: 以第 1 或最后 1類作對照，其他每類與對照比較，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類作對照，其余每類與總效應(yīng)比較。 2022/8/28 20 了解自變量與因變量的分布 檢驗是否符合建立模型的應(yīng)用條件 ? 偏離應(yīng)用條件時，進行數(shù)據(jù)變換 各個自變量兩組間的比較 ? 計數(shù)資料 ? 計量資料 雙變量分析 2022/8/28 21 變量篩選的原則 ? 專業(yè)上考慮 ? 測量上考慮 ? 共線性問題：計算相關(guān)矩陣，相關(guān)系數(shù) ，則選其一。 ? 缺失數(shù)據(jù)少、測量誤差低的優(yōu)先選擇 ? 經(jīng)驗上考慮 ? 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 2022/8/28 22 變量的篩選 變量篩選的可用方法 ? 逐步 logistic回歸： 自動選擇有顯著性的自變量，不僅用于
電大資料相關(guān)推薦
鄂ICP備17016276號-1