第15章羅吉斯與probit回歸分析-資料下載頁
2025-09-19 16:33本頁面
【導讀】本章的學習主題?羅吉斯迴歸類似線性迴歸模式。一個依變數(shù)與一個或多個預測變數(shù)之間的關係，“同意與不同意”、“成功與失敗”)時。之假設不同，因為它不需要假設分配類型，響方式是以指數(shù)的方式來變動，即。結果會比較可靠。variable），也可以是連續(xù)變數(shù)。對Ｘ的散佈情形，如圖15–2所示。中在年齡層低的地方。Ｙ與Ｘ的相關係數(shù)為。則此時與X呈線性關係，即可進行羅吉斯迴歸分析。故判斷年齡X=31的病患有心臟病之機率為%。
【正文】 企業(yè)研究方法 第 15 章 19 從圖 15－ 3可發(fā)現(xiàn)，減肥藥的濃度與減肥有效度在圖形中呈現(xiàn)對數(shù)的關係，因此，我們必須將藥的濃度進行對數(shù)轉換之後，才能繼續(xù)進行 Probit分析。 圖 15－ 3 藥的濃度與有效數(shù)間之關係圖 有效數(shù) 藥的濃度 0 50 30 10 20 40 10 20 30 40 50 60 企業(yè)研究方法 第 15 章 20 Probit 迴歸分析的評估 表 15－ 7為經過轉換後的資料，而以下我們將有三個準則來判別 Probit分析的結果，分別是 (1)模式的適合度檢定、 (2)平行性檢定、 (3)模式係數(shù)的檢定。 表 157 影響減肥藥效果之研究表 ( 對數(shù)轉換要的濃度 ) 藥的種類 對數(shù) (藥的濃度 ) 服用週數(shù) 觀測數(shù) 有效數(shù) 1 A 減肥藥 4 50 44 2 A 減肥藥 3 49 42 3 A 減肥藥 3 46 24 4 A 減肥藥 2 48 16 5 A 減肥藥 1 50 6 6 B 減肥藥 5 48 48 7 B 減肥藥 5 50 47 8 B 減肥藥 5 49 47 9 B 減肥藥 2 48 34 10 B 減肥藥 1 48 18 11 C 減肥藥 5 50 48 12 C 減肥藥 4 46 43 13 C 減肥藥 3 48 38 14 C 減肥藥 2 46 27 企業(yè)研究方法 第 15 章 21 這三個減肥藥的 Probit模式分別為： Probit (有效比率 )＝ ＋ log (藥的濃度 )＋ 服用週數(shù) Probit (有效比率 )＝ ＋ log (藥的濃度 )＋ 服用週數(shù) Probit (有效比率 )＝ ＋ log (藥的濃度 )＋ 服用週數(shù) 自變數(shù) Beta 係數(shù) 標準差 t 值 ( 常數(shù)項 b0 ) A 減肥藥 B 減肥藥 C 減肥藥 對數(shù)濃度 (b1) 服用週數(shù) (b2) 模式配適度卡方值 模式配適度 P 值 平行性檢定卡方值 平行性檢定 P 值 表 158 Probit 分析表 企業(yè)研究方法 第 15 章 22 Probit 預測分析 表 159 Probit預測分析表 藥的 種類 對數(shù) 濃度 Number of Subjects Obsrved Responses Expected Responses Residual Prob A .89492 A .77718 A .55103 A .34712 A .94 .14248 B .572 .98808 B .97442 B .93134 B .76142 B .32261 C .96258 C .614 .92144 C .81419 C .600 .57392
教學課件相關推薦
鄂ICP備17016276號-1