spss軟件-回歸分析-資料下載頁
2025-05-15 00:55本頁面
【正文】 ， Hosmer和Lemeshow的擬合優(yōu)度檢驗通常把樣本數(shù)據(jù)根據(jù)預(yù)測概率分為 10組，然后根據(jù)觀測頻數(shù)和期望頻數(shù)構(gòu)造卡方統(tǒng)計量（即 Hosmer和 Lemeshow的擬合優(yōu)度檢驗統(tǒng)計量，簡稱 HL擬合優(yōu)度檢驗統(tǒng)計量），最后根據(jù)自由度為 8的卡方分布計算其值并對 Logistic模型進行檢驗。 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值與模型預(yù)測值不存在差異的零假設(shè)，表明模型的預(yù)測值與觀測值存在顯著差異。如果值大于，我們沒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擬合了數(shù)據(jù)。 7． Wald統(tǒng)計量 Wald統(tǒng)計量用于判斷一個變量是否應(yīng)該包含在模型中，其檢驗步驟如下。 （ 1）提出假設(shè)。 （ 2）構(gòu)造 Wald統(tǒng)計量。 （ 3）作出統(tǒng)計判斷。 ? 研究問題 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中實現(xiàn)過程 表 77 使用交通工具上下班情況 序號 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 ? 實現(xiàn)步驟 圖 724 “Logistic Regression”對話框 圖 725 “Logistic Regression： Options”對話框 （ 1）第一部分輸出結(jié)果有兩個表格，第一個表格說明所有個案（ 28個）都被選入作為回歸分析的個案。 結(jié)果和討論 第二個表格說明初始的因變量值（ 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 對數(shù)似然值、 Cox和 Snell的 R2以及 Nagelkerke的 R2檢驗統(tǒng)計結(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)度檢驗統(tǒng)計量。 （ 6） Classification Table分類表說明第一次迭代結(jié)果的擬合效果，從該表格可以看出對于 y=0，有 %的準(zhǔn)確性；對于 y=1，有%準(zhǔn)確性，因此對于所有個案總共有 %的準(zhǔn)確性。 （ 7） Variables in the Equation表格列出了 Step 1中各個變量對應(yīng)的系數(shù)，以及該變量對應(yīng)的 Wald 統(tǒng)計量值和它對應(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所示是觀測值和預(yù)測概率分布圖。該圖以 0和 1為符號，每四個符號代表一個個案。橫坐標(biāo)是個案屬于 1的錄屬度，這里稱為預(yù)測概率（ Predicted Probability）。縱坐標(biāo)是個案分布頻數(shù)，反映個案的分布。 （ 10）邏輯回歸的最后一個輸出表格是Casewise List，列出了殘差大于 2的個案。 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。在實際中，根據(jù)變量的個數(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、時間序列的曲線估計、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自變量的回歸問題；多元線性回歸用于解決兩個或兩個以上自變量對一個因變量的數(shù)量變化關(guān)系問題；非線性回歸主要解決在非線性相關(guān)條件下，自變量對因變量的數(shù)量變化關(guān)系；時間序列的曲線回歸用于研究因變量與時間之間的變化關(guān)系；當(dāng)遇到非數(shù)量型變量時，通過引入虛擬變量來構(gòu)造含虛擬變量的回歸模型； Logistic回歸分析是對定性變量進行的回歸分析。 小 結(jié) SPSS中 “ Analyze”/“Regression”菜單可用于回歸統(tǒng)計分析。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、曲線估計和時間序列的曲線估計可由 “ Curve Estimation”子菜單完成；邏輯回歸分析可由“ Binary Logistic”子菜單完成。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1