spss16-07回歸分析-資料下載頁(yè)
2025-05-11 00:37本頁(yè)面
【正文】 ， Hosmer和Lemeshow的擬合優(yōu)度檢驗(yàn)通常把樣本數(shù)據(jù)根據(jù)預(yù)測(cè)概率分為 10組，然后根據(jù)觀測(cè)頻數(shù)和期望頻數(shù)構(gòu)造卡方統(tǒng)計(jì)量（即 Hosmer和 Lemeshow的擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量，簡(jiǎn)稱 HL擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量），最后根據(jù)自由度為 8的卡方分布計(jì)算其值并對(duì) Logistic模型進(jìn)行檢驗(yàn)。 如果該 p值小于給定的顯著性水平（如=），則拒絕因變量的觀測(cè)值與模型預(yù)測(cè)值不存在差異的零假設(shè)，表明模型的預(yù)測(cè)值與觀測(cè)值存在顯著差異。如果值大于，我們沒(méi)有充分的理由拒絕零假設(shè)，表明在可接受的水平上模型的估計(jì)擬合了數(shù)據(jù)。 7． Wald統(tǒng)計(jì)量 Wald統(tǒng)計(jì)量用于判斷一個(gè)變量是否應(yīng)該包含在模型中，其檢驗(yàn)步驟如下。 （ 1）提出假設(shè)。 （ 2）構(gòu)造 Wald統(tǒng)計(jì)量。 （ 3）作出統(tǒng)計(jì)判斷。 ? 研究問(wèn)題 在一次關(guān)于某城鎮(zhèn)居民上下班使用交通工具的社會(huì)調(diào)查中，因變量 y =1表示居民主要乘坐公共汽車上下班； y =0表示主要騎自行車上下班；自變量 x1表示被調(diào)查者的年齡； x2表示被調(diào)查者的月收入； x3表示被調(diào)查者的性別（ x3=1為男性， x3=0為女性）。 試建立 y與自變量間的 Logistic回歸，數(shù)據(jù)如表 77所示。 SPSS中實(shí)現(xiàn)過(guò)程 表 77 使用交通工具上下班情況 序號(hào) x1（年齡） x2（月收入：元） x3（性別） y 1 18 850 0 0 2 21 1200 0 0 3 23 850 0 1 4 23 950 0 1 5 28 1200 0 1 6 31 850 0 0 7 36 1500 0 1 8 42 1000 0 1 9 46 950 0 1 10 48 1200 0 0 11 55 1800 0 1 12 56 2100 0 1 13 58 1800 0 1 14 18 850 1 0 15 20 1000 1 0 16 25 1200 1 0 17 27 1300 1 0 18 28 1500 1 0 19 30 950 1 1 20 32 1000 1 0 21 33 1800 1 0 22 33 1000 1 0 23 38 1200 1 0 24 41 1500 1 0 25 45 1800 1 1 26 48 1000 1 0 27 52 1500 1 1 28 56 1800 1 1 ? 實(shí)現(xiàn)步驟 圖 724 “Logistic Regression”對(duì)話框 圖 725 “Logistic Regression： Options”對(duì)話框 （ 1）第一部分輸出結(jié)果有兩個(gè)表格，第一個(gè)表格說(shuō)明所有個(gè)案（ 28個(gè)）都被選入作為回歸分析的個(gè)案。 結(jié)果和討論 第二個(gè)表格說(shuō)明初始的因變量值（ 0， 1）已經(jīng)轉(zhuǎn)換為邏輯回歸分析中常用的 0、 1數(shù)值。 （ 2）第二部分（ Block 0）輸出結(jié)果有 4個(gè)表格。 （ 3） Omnibus Tests of Model Coefficients表格列出了模型系數(shù)的 Omnibus Tests結(jié)果。 （ 4） Model Summary表給出了 2 對(duì)數(shù)似然值、 Cox和 Snell的 R2以及 Nagelkerke的 R2檢驗(yàn)統(tǒng)計(jì)結(jié)果。 （ 5） Hosmer and Lemeshow Test表格以及 Contingency Table for Hosmer and Lemeshow Test表格給出了 Hosmer和 Lemeshow的擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量。 （ 6） Classification Table分類表說(shuō)明第一次迭代結(jié)果的擬合效果，從該表格可以看出對(duì)于 y=0，有 %的準(zhǔn)確性；對(duì)于 y=1，有%準(zhǔn)確性，因此對(duì)于所有個(gè)案總共有 %的準(zhǔn)確性。 （ 7） Variables in the Equation表格列出了 Step 1中各個(gè)變量對(duì)應(yīng)的系數(shù)，以及該變量對(duì)應(yīng)的 Wald 統(tǒng)計(jì)量值和它對(duì)應(yīng)的相伴概率。從該表格中可以看出 x3相伴概率最小，Wald統(tǒng)計(jì)量最大，可見該變量在模型中很重要。 （ 8） Correlation Matrix表格列出了常數(shù) Constant、系數(shù)之間的相關(guān)矩陣。常數(shù)與 x2之間的相關(guān)性最大， x1和 x3之間的相關(guān)性最小。 （ 9）圖 726所示是觀測(cè)值和預(yù)測(cè)概率分布圖。該圖以 0和 1為符號(hào)，每四個(gè)符號(hào)代表一個(gè)個(gè)案。橫坐標(biāo)是個(gè)案屬于 1的錄屬度，這里稱為預(yù)測(cè)概率（ Predicted Probability）?？v坐標(biāo)是個(gè)案分布頻數(shù)，反映個(gè)案的分布。 （ 10）邏輯回歸的最后一個(gè)輸出表格是Casewise List，列出了殘差大于 2的個(gè)案。 小 結(jié) 回歸分析是研究變量與變量之間聯(lián)系的最為廣泛的模型。在實(shí)際中，根據(jù)變量的個(gè)數(shù)、類型，以及變量之間的相關(guān)關(guān)系，回歸分析通常分為一元線性回歸分析、多元線性回歸分析、非線性回歸分析、曲線估計(jì)、時(shí)間序列的曲線估計(jì)、含虛擬自變量的回歸分析和邏輯回歸分析等。 小 結(jié) 一元線性回歸只涉及一個(gè)自變量的回歸問(wèn)題；多元線性回歸用于解決兩個(gè)或兩個(gè)以上自變量對(duì)一個(gè)因變量的數(shù)量變化關(guān)系問(wèn)題；非線性回歸主要解決在非線性相關(guān)條件下，自變量對(duì)因變量的數(shù)量變化關(guān)系；時(shí)間序列的曲線回歸用于研究因變量與時(shí)間之間的變化關(guān)系；當(dāng)遇到非數(shù)量型變量時(shí)，通過(guò)引入虛擬變量來(lái)構(gòu)造含虛擬變量的回歸模型； Logistic回歸分析是對(duì)定性變量進(jìn)行的回歸分析。 小 結(jié) SPSS中 “ Analyze”/“Regression”菜單可用于回歸統(tǒng)計(jì)分析。其中，一元線性回歸、多元線性回歸和含虛擬變量的回歸分析可由“ Linear”子菜單完成；非線性回歸分析、曲線估計(jì)和時(shí)間序列的曲線估計(jì)可由 “ Curve Estimation”子菜單完成；邏輯回歸分析可由“ Binary Logistic”子菜單完成。
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1