【正文】 b u s Te s t s o f M o d e l C o e ffi c i e n t s6 . 7 8 8 2 . 0 3 46 . 7 8 8 2 . 0 3 46 . 7 8 8 2 . 0 3 4S t e pB lo ckM o d e lS t e p 1C h i s q u a r e df S ig .這是模型總的全局檢驗，為似然比檢驗，共給出三個結(jié) 果： Step統(tǒng)計量為每一步與前一步相比的似然比檢驗 結(jié)果； Block統(tǒng)計量是將 Block 1與 Block 0相比的似然 比檢驗結(jié)果； Model統(tǒng)計量則是上一個模型與現(xiàn)在模型 相比的似然比檢驗結(jié)果。結(jié)果表明 兩個變量至少 有一個的作用是有統(tǒng)計意義的。 Block 1: Method=Enter 12,xx70 C l a s s i f i c a t i o n T a b l ea15 8 6 5 . 25 12 7 0 . 66 7 . 5O b s e r v e d未康復(fù)康復(fù)康復(fù)情況O v e r a ll P e r ce n t a g eS t e p 1未康復(fù) 康復(fù)康復(fù)情況 P e r ce n t a g eC or r e ctP r e d ic t e dT h e cu t v a lu e is . 5 0 0a . 該表為引入 的模型對因變量的分類預(yù)測情況。 預(yù)測準確率由 ％上升到 ％，說明新變量的 引入對改善模型預(yù)測效果的確有意義。 12,xx71 V a r i a b l e s i n t h e Eq u a t i o n . 9 0 9 . 7 2 4 1 . 5 7 6 1 . 2 0 9 . 4 0 3 1 . 6 6 9 . 7 2 9 5 . 2 4 0 1 . 0 2 2 . 1 8 8. 9 2 8 . 6 3 9 2 . 1 1 0 1 . 1 4 6 2 . 5 2 9X1X2C o n s t a n tS t e p1aB S . E . W a ld df S ig . E x p (B )V a r ia b le (s ) e n t e r e d o n s t e p 1 : X 1 , X 2 .a . 上表結(jié)果表明，排除病情嚴重程度的混雜作用后， 傳統(tǒng)療法促使患者康復(fù)的能力為新療法的 ； 排除療法的混雜作用后，病情嚴重促使患者康復(fù)的能力 為病情不嚴重的 。 對于變量 (病情嚴重程度 )的 Wald檢驗結(jié)果 P=，病情嚴重程度對康復(fù)無影響。常數(shù)項 的 OR=，是指病情不嚴重且接受新療法者比數(shù) 的自然對數(shù)值。 1x★ 72 V a r i a b l e s n ot i n t h e E q u a t i on5 . 0 1 3 1 . 0 2 55 . 0 1 3 1 . 0 2 5X2V a r ia b le sO v e r a ll S t a t is t ic sS t e p 0S co r e df S ig .V a r i a b l e s i n t h e Eq u a t i o n 1 . 5 0 4 . 6 8 9 4 . 7 6 3 1 . 0 2 9 . 2 2 2. 4 0 5 . 4 5 6 . 7 8 9 1 . 3 7 4 1 . 5 0 0X2C o n s t a n tS t e p1aB S . E . W a ld df S ig . E x p (B )V a r ia b le (s ) e n t e r e d o n s t e p 1 : X 2 .a . 剔除 ，建立 與 的 Logistic回歸方程 1x y 2x22e xp ( 05 04 )?1 e xp ( 05 04 )ixpx????73 【 例 2】 在一次關(guān)于公共交通的社會調(diào)查中，一個調(diào)查 項目是“是乘坐公共汽車上下班，還是騎自行車上下班 ”。 因變量 表示主要乘坐公共汽車上下班， 表示 主要騎自行車上下班。自變量 是年齡，作為連續(xù)型 變量； 是月收入； 是性別， 表示男性， 表示女性。調(diào)查對象為工薪族群體，試建立 與自變量 間的 Logistic回歸。 例題分析 1y? 0y?1x2x 3x 3 1x ? 3 0x ?y74 1 0 18 850 0 2 0 21 1200 0 3 0 23 850 1 4 0 23 950 1 5 0 28 1200 1 6 0 31 850 0 7 0 36 1500 1 8 0 42 1000 1 9 0 46 950 1 10 0 48 1200 0 11 0 55 1800 1 12 0 56 2100 1 13 0 58 1800 1 14 1 18 850 0 15 1 20 1000 0 16 1 25 1200 0 17 1 27 1300 0 18 1 28 1500 0 19 1 30 950 1 20 1 32 1000 0 21 1 33 1800 0 22 1 33 1000 0 23 1 38 1200 0 24 1 41 1500 0 25 1 45 1800 1 26 1 48 1000 0 27 1 52 1500 1 28 1 56 1800 1 序號 序號 3x 1x 2x y y3x 1x 2x 75 C l a s s i f i c a t i o n T a b l ea, b15 0 1 0 0 . 013 0 .05 3 . 6O b s e r v e d01YO v e r a ll P e r ce n t a g eS t e p 00 1Y P e r ce n t a g eC or r e ctP r e d ic t e dC on s t a n t is in cl u d e d in t h e m o d e . T h e cu t v a lu e is . 5 0 0b . 首先給出的是模型不含任何自變量，而只有常數(shù)項 時的輸出預(yù)測分類結(jié)果，此時所觀察對象都被預(yù)測 為未康復(fù)，總的預(yù)測準確率為 ％。 76 V a r i a b l e s n o t i n t h e Eq u a t i o n5 . 0 7 3 1 . 0 2 46 . 0 3 8 1 . 0 1 42 . 9 4 6 1 . 0 8 61 0 . 4 1 4 3 . 0 1 5X3X1X2V a r ia b le sO v e r a ll S t a t is t icsS t e p0S co r e df S ig .該表反映的是如果將現(xiàn)有模型外的各個變量納入模 型，則整個模型的擬合優(yōu)度改變是否有統(tǒng)計學(xué)意義。 若將 (性別 )引入，則模型改變有統(tǒng)計意義；將 (年齡 )引入，則模型改變也有統(tǒng)計意義；將 (月收 入年齡 )引入，則模型改變無統(tǒng)計意義； 3x 1x2x77 O m n i b u s Te s t s o f M o d e l C o e ffi c i e n t s1 2 . 7 0 3 3 . 0 0 51 2 . 7 0 3 3 . 0 0 51 2 . 7 0 3 3 . 0 0 5S t e pB lo ckM o d e lS t e p 1C h i s q u a r e df S ig .C l a s s i f i c a t i o n T a b l ea13 2 8 6 . 73 10 7 6 . 98 2 . 1O b s e r v e d01YO v e r a ll P e r ce n t a g eS t e p 10 1Y P e r ce n t a g eC or r e ctP r e d ic t e dT h e cu t v a lu e is . 5 0 0a . 該表為引入 的模型對因變量的分類預(yù)測情況。 預(yù)測準確率由 ％上升到 ％，說明新變量的 引入對改善模型預(yù)測效果的確有意義。 1 2 3,x x x78 V a r i a b l e s i n t h e Eq u a t i on 2 . 5 0 2 1 . 1 5 8 4 . 6 6 9 1 . 0 3 1 . 0 8 2. 0 8 2 . 0 5 2 2 . 4 8 6 1 . 1 1 5 1 . 0 8 6. 0 0 2 . 0 0 2 . 6 6 1 1 . 4 1 6 1 . 0 0 2 3 . 6 5 5 2 . 0 9 1 3 . 0 5 5 1 . 0 8 1 . 0 2 6X3X1X2C o n s t a n tS t e p1aB S . E . W a ld df S ig . E x p (B )V a r ia b le (s ) e n t e r e d o n s t e p 1 : X 3 , X 1 , X 2 .a . 根據(jù)上表計算結(jié)果， 變量 的 Wald檢驗結(jié)果 表明，年齡和月收入對是否乘坐公共車和騎自行車 無影響。 12,xx79 V a r i a b l e s i n t h e Eq u a t i o n 2 . 2 2 4 1 . 0 4 8 4 . 5 0 6 1 . 0 3 4 . 1 0 8. 1 0 2 . 0 4 6 4 . 9 8 6 1 . 0 2 6 1 . 1 0 8 2 . 6 2 9 1 . 5 5 4 2 . 8 6 2 1 . 0 9 1 . 0 7 2X3X1C o n s t a n tS t e p1aB S . E . W a ld df S ig . E x p (B )V a r ia b le (s ) e n t e r e d o n s t e p 1 : X 3 , X 1 .a . 3131e xp ( 29 24 02 )?1 e xp ( 29 24 02 )ixxpxx? ? ??? ? ? ?剔除 ，重新作 Logistic回歸，排除 的作用 后，男性乘坐公共汽車的比例為女性的 ， 排除 的作用后，年齡每增加一歲，乘坐公共汽 車的比例是年齡未增加時乘坐公共汽車的比例的 ，最終的回歸方程為 2x 1x3x80 分組數(shù)據(jù)的 Logistic回歸模型 81 例 3 在一次住房展銷會上，與房地產(chǎn)商簽訂初 步購房意向書的共有 n=325名顧客，在隨后的 3個月的時間里，只有一部分顧客確實購買了房 屋。購買了房屋的顧客記為 1，沒有購買房屋的 顧客記為 0。以顧客的年家庭收入為自變量 ， 數(shù)據(jù)見購房 .sav。建立 Logistic回歸模型。 x82