Logistic回歸spss上機(jī)實習(xí)

Logistic回歸二分類：Binomial多分類：Multinomial(有序/無序)完全隨機(jī)：非條件Logistic回歸配對設(shè)計：條件Logistic回歸logistic回歸（logisticregression）：BelgianmathematicianPierreVerhulst(1838)提出二分類資料分析PearlandReed(1920).Lotka(1925)建立方程Logistic模型屬廣義線性模型之一，概率性非線性模型Logistic回歸的分類反應(yīng)變量設(shè)計類型第一節(jié)二分類Logistic回歸研究一個應(yīng)變量與多個影響因素之間的關(guān)系反應(yīng)變量：二分類情況，如發(fā)病與未發(fā)病、治療有效與無效、存活與死亡等。不滿足多重線性回歸模型對應(yīng)變量的要求。傳統(tǒng)方法：

——（分層）卡方

Mantel-Haensal分析Logistic回歸資料類型Y-二分類變量X-計量、計數(shù)、等級資料二分類Logistic回歸模型在菜單上選擇Analyze==》Regression==》BinaryLogistic(二分類logistic)...，系統(tǒng)彈出Logistic回歸對話框如下：Logistic回歸的SPSS軟件實現(xiàn)協(xié)變量，放入自變量

Categorical按鈕：

多分類變量（如血型等），必須要將它用啞變量的方式來分析。

默認(rèn)的是以最大取值為基礎(chǔ)水平

Save鈕：將中間結(jié)果存儲起來供以后分析，共有預(yù)測值、影響強(qiáng)度因子和殘差三大類。

Options鈕：這里我們可以對模型作精確定義，還可以選擇模型預(yù)測情況的描述方式，如Statisticsand

Plots中的Classificationplots就是非常重要的模型預(yù)測工具，Correlationsofestimates則是重要的模型診斷工具，Iterationhistory可以看到迭代的具體情況，從而得知你的模型是否在迭代時存在病態(tài)。

下方則可以確定進(jìn)入和排除的概率標(biāo)準(zhǔn)，這在逐步回歸中是非常有用的。

例題1在菜單上選擇Analyze==》Regression==》BinaryLogistic(二分類logistic)...，系統(tǒng)彈出Logistic回歸對話框如下：點擊Categorical引入多分類變量Save鈕，將中間結(jié)果存儲起來供以后分析，共有預(yù)測值、影響強(qiáng)度因子和殘差三大類。Options按鈕可以獲得分類圖等記錄情況因變量賦值情況只有常數(shù)項無自變量時正確預(yù)測百分率為62.3%Step0：未引入任何自變量時（只有常數(shù)項）B—常數(shù)項的估計值?？梢姵?shù)的系數(shù)值為-0.501。WaldX2—是對總體回歸系數(shù)是否為0進(jìn)行統(tǒng)計學(xué)檢驗，X2=（0.501/0.283）2=3.123Exp（B）—即e的β0次方。實際意義為總體研究對象陽性率與陰性率的比值。即0.606

標(biāo)準(zhǔn)誤WaldX2e的β次方5個自變量去全部放入模型得分檢驗結(jié)果為19.451，自由度為5，P值為0.002，說明模型全局性檢驗有意義第一層模型的-2loglikelihood（-2lnL0）為48.126當(dāng)參數(shù)估計值的符號為正時,因素取值增大時,OR>1.0,使危險性加大.該因素為危險因素當(dāng)參數(shù)估計值的符號為負(fù)時,因素取值增大時,OR<1.0,使危險性減少.該因素為保護(hù)因素.多個因素的同時作用,為這些因素的OR值的乘積.不是加!篩選方法：

(1)forwardselection(2)Backwardelimination(3)Stepwiseselection篩選標(biāo)準(zhǔn)：似然比統(tǒng)計量(Likelihoodratio)G=-2lnL－(-2lnL’)=2(lnL’－lnL)(19-4)三、篩選因素的方法和標(biāo)準(zhǔn)-2lnL及-2lnL’為分別包含不同自變量個數(shù)的似然函數(shù)。模型中包含的自變量個數(shù)越多，自變量的效應(yīng)越強(qiáng)，則lnL

值越小。差值G越大。G服從χ2

分布，自由度ν=兩個模型中的自變量個數(shù)之差。應(yīng)用中的注意事項:1.樣本量要滿足多變量分析的要求，樣本量要求為自變量數(shù)的10-20倍以上.2.對自變量的篩選不能完全依賴于統(tǒng)計軟件中提供的自動篩選程序。應(yīng)結(jié)合專業(yè)知識和統(tǒng)計學(xué)原理小心篩選.3.在某些情況下，連續(xù)性變量可以等級化，甚致變?yōu)榉诸愖兞亢笤倥浜夏Ｐ汀?.Logistic回歸模型是一個乘法關(guān)系的多變量模型，當(dāng)計算多個變量的綜合效應(yīng)時，可能出現(xiàn)擴(kuò)大綜合效應(yīng)的現(xiàn)象。頻數(shù)表資料1.先加權(quán)（略）

2.在菜單上選擇Analyze==》Regression==》BinaryLogistic(二分類logistic)...，第二條件Logistic回歸Spss步驟1、用compute計算T值，T=2-低體重，T值相當(dāng)于生存分析中的生存時間。2.Cox回歸對話框Analyze---survival----CoxRegressionCoxRegression

頻數(shù)表數(shù)據(jù)Spss步驟1、用compute計算T值，T=2-case，T值相當(dāng)于生存分析中的生存時間。2.加權(quán)3.Cox回歸對話框Analyze---survival----CoxRegression第三有序Logistic回歸Spss步驟1.加權(quán)2.Ordinal回歸對話框Analyze==》Regression==》Ordinal模型檢驗結(jié)果第四多分類Logistic回歸Spss步驟1.加權(quán)2.MultionomialLogistic回歸對話框Analyze==》Regression==》MultionomialLogisticAnalyze==》Regression==》MultionomialLogistic

Model對話框P小于0.05，說明模型中至少1個自變量有統(tǒng)計學(xué)意義兩自變量size和lake對模型的貢獻(xiàn)都有統(tǒng)計學(xué)意義根據(jù)上面結(jié)果可得4個logit模型第五Cox