logistic分析 spss

原发布者:love兔兔1203

如何用spss17.0二元和多元logistic分析一、二元logistic回归分析二元logistic回归分前提为因变量是可以为0、1的二分变量,如:死亡或者生存,男性或者女性,有或无,Yes或No,是或否的情况。下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回归分析。(一)数据准备和SPSS选项设置第一步,原始数据的转化:如图1-1所示,其中脑梗塞可以分为ICAS、ECAS和NCAS三种,但现在我们仅考虑性别和年龄与ICAS的关系,因此将分组数据ICAS、ECAS和NCAS转化为1、0分类,是ICAS赋值为1,否赋值为0。年龄为数值变量,可直接输入到spss中,而性别需要转化为(1、0)分类变量输入到spss当中,假设男性为1,女性为0,但在后续分析中系统会将1,0置换(下面还会介绍),因此为方便期间我们这里先将男女赋值置换,即男性为“0”,女性为“1”。图1-1第二步:打开“二值Logistic回归分析”对话框:沿着主菜单的“分析(Analyze)→回归(Regression)→二元logistic(BinaryLogistic)”的路径(图1-2)打开二值Logistic回归分析选项框(图1-3)。如图1-3左侧对话框中有许多变量,但在单因素方差分析中与ICAS显著相关的为性别、年龄、有无高血压,有无糖尿病等(P<0.05),因此我们这里选择以性别和年龄为例进行分析。

Logistic主要分为三类,一种是因变量为二分类logistic回归,这种回归叫做二logistic回归,一种是因变量为无序多分类得logistic回归,比如倾向于选择哪种产品,这种回归叫做多项logistic回归。还有一种是因变量为有序多分类的logistic回归,比如病重的程度是高,中,低呀等等,这种回归也叫累积logistic回归,或者序次logistic回归。

二值logistic回归:

选择分析——回归——二元logistic,打开主面板,因变量勾选你的二分类变量,这个没有什么疑问,然后看下边写着一个协变量。有没有很奇怪什么叫做协变量?在二元logistic回归里边可以认为协变量类似于自变量,或者就是自变量。把你的自变量选到协变量的框框里边。

细心的朋友会发现,在指向协变量的那个箭头下边,还有一个小小的按钮,标着a*b,这个按钮的作用是用来选择交互项的。我们知道,有时候两个变量合在一起会产生新的效应,比如年龄和结婚次数综合在一起,会对健康程度有一个新的影响,这时候,我们就认为两者有交互效应。那么我们为了模型的准确,就把这个交互效应也选到模型里去。我们在右边的那个框框里选择变量a,按住ctrl,在选择变量b,那么我们就同时选住这两个变量了,然后点那个a*b的按钮,这样,一个新的名字很长的变量就出现在协变量的框框里了,就是我们的交互作用的变量。

然后在下边有一个方法的下拉菜单。默认的是进入,就是强迫所有选择的变量都进入到模型里边。除去进入法以外,还有三种向前法,三种向后法。一般默认进入就可以了,如果做出来的模型有变量的p值不合格,就用其他方法在做。再下边的选择变量则是用来选择你的个案的。一般也不用管它。

选好主面板以后,单击分类(右上角),打开分类对话框。在这个对话框里边,左边的协变量的框框里边有你选好的自变量,右边写着分类协变量的框框则是空白的。你要把协变量里边的字符型变量和分类变量选到分类协变量里边去(系统会自动生成哑变量来方便分析,什么事哑变量具体参照前文)。这里的字符型变量指的是用值标签标注过得变量,不然光文字,系统也没法给你分析啊。选好以后,分类协变量下边还有一个更改对比的框框,我们知道,对于分类变量,spss需要有一个参照,每个分类都通过和这个参照进行比较来得到结果,更改对比这个框框就是用来选择参照的。默认的对比是指示符,也就是每个分类都和总体进行比较,除了指示符以外还有简单,差值等。这个框框不是很重要,默认就可以了。

点击继续。然后打开保存对话框,勾选概率,组成员,包含协方差矩阵。点击继续,打开选项对话框,勾选分类图,估计值的相关性,迭代历史,exp(B)的CI,在模型中包含常数,输出——在每个步骤中。如果你的协变量有连续型的,或者小样本,那还要勾选Hosmer-Lemeshow拟合度,这个拟合度表现的会较好一些。

继续,确定。

然后,就会输出结果了。主要会输出六个表。

第一个表是模型系数综合检验表,要看他模型的p值是不是小于0.05,判断我们这个logistic回归方程有没有意义。

第二个表示模型汇总表。这个表里有两个R^2,叫做广义决定系数,也叫伪R^2,作用类似于线性回归里的决定系数,也是表示这个方程能够解释模型的百分之多少。由于计算方法不同,这两个广义决定系数的值往往不一样,但是出入并不会很大。

在下边的分类表则表述了模型的稳定性。这个表最后一行百分比校正下边的三个数据列出来在实际值为0或者1时,模型预测正确的百分比,以及模型总的预测正确率。一般认为预测正确概率达到百分之五十就是良好(标准真够低的),当然正确率越高越好。

在然后就是最重要的表了,方程中的变量表。第一行那个B下边是每个变量的系数。第五行的p值会告诉你每个变量是否适合留在方程里。如果有某个变量不适合,那就要从新去掉这个变量做回归。根据这个表就可以写出logistic方程了:P=Exp(常量+a1*变量1+a2*变量2.。。。)/(1+Exp(常量+a1*变量1+a2*变量2.。。。))。如果大家学过一点统计,那就应该对这个形式的方程不陌生。提供变量,它最后算出来会是一个介于0和1的数,也就是你的模型里设定的值比较大的情况发生的概率,比如你想推算会不会治愈,你设0治愈,1为没有治愈。那你的模型算出来就是没有治愈的概率。如果你想直接计算治愈的概率,那就需要更改一下设定,用1去代表治愈。

此外倒数后两列有一个EXP(B),也就是OR值,哦,这个可不是或者的意思,OR值是优势比。在线性回归里边我们用标准化系数来对比两个自变量对于因变量的影响力的强弱,在logistic回归里边我们用优势比来比较不同的情况对于因变量的影响。举个例子。比如我想看性别对于某种病是否好转的影响,假设0代表女,1代表男,0代表不好转,1代表好转。发现这个变量的OR值为2.9,那么也就是说男人的好转的可能是女人好转的2.9倍。注意,这里都是以数值较大的那个情况为基准的。而且OR值可以直接给出这个倍数。如果是0,1,2各代表一类情况的时候,那就是2是1的2.9倍,1是0的2.9倍,以此类推。OR值对于方程没什么贡献,但是有助于直观的理解模型。在使用OR值得时候一定要结合它95%的置信区间来进行判断。

此外还有相关矩阵表和概率直方图,就不再介绍了。

多项logistic回归:

选择分析——回归——多项logistic,打开主面板,因变量大家都知道选什么,因变量下边有一个参考类别,默认的第一类别就可以。再然后出现了两个框框,因子和协变量。很明显,这两个框框都是要你选因变量的,那么到底有什么区别呢?嘿嘿,区别就在于,因子里边放的是无序的分类变量,比如性别,职业什么的,以及连续变量(实际上做logistic回归时大部分自变量都是分类变量,连续变量是比较少的。),而协变量里边放的是等级资料,比如病情的严重程度啊,年龄啊(以十年为一个年龄段撒,一年一个的话就看成连续变量吧还是)之类的。在二项logistic回归里边,系统会自动生成哑变量,可是在多项logistic回归里边,就要自己手动设置了。参照上边的解释,不难知道设置好的哑变量要放到因子那个框框里去。

然后点开模型那个对话框,哇,好恐怖的一个对话框,都不知道是干嘛的。好,我们一点点来看。上边我们已经说过交互作用是干嘛的了,那么不难理解,主效应就是变量本身对模型的影响。明确了这一点以后,这个对话框就没有那么难选了。指定模型那一栏有三个模型,主效应指的是只做自变量和因变量的方程,就是最普通的那种。全因子指的是包含了所有主效应和所有因子和因子的交互效应的模型(我也不明白为什么只有全因子,没有全协变量。这个问题真的很难,所以别追问我啦。)第三个是设定/步进式。这个是自己手动设置交互项和主效应项的,而且还可以设置这个项是强制输入的还是逐步进入的。这个概念就不用再啰嗦了吧啊?

点击继续,打开统计量对话框,勾选个案处理摘要,伪R方,步骤摘要,模型拟合度信息,单元格可能性,分类表,拟合度,估计,似然比检验,继续。打开条件,全勾,继续,打开选项,勾选为分级强制条目和移除项目。打开保存,勾选包含协方差矩阵。确定(总算选完了)。

结果和二项logistic回归差不多,就是多了一个似然比检验,p值小于0.05认为变量有意义。然后我们直接看参数估计表。假设我们的因变量有n个类,那参数估计表会给出n-1组的截距,变量1,变量2。我们我们用Zm代表Exp(常量m+am1*变量1+am2*变量2+。。。),那么就有第m类情况发生的概率为Zn/1+Z2+Z3+……+Zn(如果我们以第一类为参考类别的话,我们就不会有关于第一类的参数,那么第一类就是默认的1,也就是说Z1为1)。

有序回归(累积logistic回归):

选择菜单分析——回归——有序,打开主面板。因变量,因子,协变量如何选取就不在重复了。选项对话框默认。打开输出对话框,勾选拟合度统计,摘要统计,参数估计,平行线检验,估计响应概率,实际类别概率,确定,位置对话框和上文的模型对话框类似,也不重复了。确定。

结果里边特有的一个表是平行线检验表。这个表的p值小于0.05则认为斜率系数对于不同的类别是不一样的。此外参数估计表得出的参数也有所不同。假设我们的因变量有四个水平,自变量有两个,那么参数估计表会给出三个阈值a1,a2,a3(也就是截距),两个自变量的参数m,n。计算方程时,首先算三个Link值,Link1=a1+m*x1+n*x2,Link2=a2+m*x1+n*x2,Link3=a3+m*x1+n*x2,(仅有截距不同)有了link值以后,p1=1/(1+exp(link1)),p1+p2=1/(1+exp(link2)),p1+p2+p3=1/(1+exp(link3)),p1+p2+p3+p4=1..

通过上边的这几个方程就能计算出各自的概率了。

Logistic回归到这里基本就已经结束了。大家一定要记熟公式,弄混可就糟糕了。希望能对你有所帮助呦。
喜欢阅读
  • 坏坏总裁倾城恋

    坏坏总裁倾城恋

    周萌萌,天然呆萌资深宅女;温烨,正经腹黑闷骚多金总裁。她有众多追求者,却不曾动心,十八岁爱上的男子成了她心中不可揭开的伤疤。已是大三的她从未谈过一场正经恋爱,打算将精力放在工作上的她,在面试路上偶遇自己生命中的最大克星。他的容貌惊为天人,却拉着与自己素不相识的她进了西餐厅,只为还一个帮刷公交卡的人情,因为公司面试,她胃病突发,从此总裁大人对自己暧昧纠缠,周萌萌想坚守阵地,却每次沦陷于他的柔情。在她将要缴械投降之时,十八岁那年的初恋男友突然出现,蛮横地将她夺走,两者的争抢之中,她模糊心意、举棋不定。当真相浮现,初恋的追求并非真爱,只是疯狂的占有欲,总裁的爱慕也非真情,只是上一辈的过错与幼年时的同情。天之骄子竞相争夺的凤凰女,瞬间成为被世界抛弃的可怜人。周萌萌的一切幻想终于破灭,工作、感情、家庭上的打击令她一蹶不起,准备离开的前一天,却被温烨找到直接带回家成为肮脏不堪的情妇,她堕落,他暴虐,没有感情只剩身体的纠缠。当美女情敌纷纷出现之时,她以为自己不在意,却发现心中的醋意难以掩饰,最终,还是输给了他,输

  • 爱你何惧大雨滂沱

    爱你何惧大雨滂沱

    叶佳禾走过最深的套路,就是纪一笹的套路。北洵城的女人还在千方百计的引起纪一笹的注意,叶佳禾已经登堂入室。纪一笹挖好一个个坑,叶佳禾就一个个跳。越是艳羡的爱情,越是悲凉的记忆。那一夜——大雨滂沱,纪太太成了诅咒里的战利品。没了光明,鲜血绽放成了罂粟花,掌心触摸的不过是那断了生息的婴孩。从此,北洵城再没叶佳禾,只有纪一笹。但却没人知道——叶佳禾早就是纪一笹心口的鱼骨刺。

  • 绝代妖仙

    绝代妖仙

    它是一只猴子,却是只聪明的猴子。他得到老妖传承,踏上修妖之路。动妖族者,杀!碰他朋友者,杀!和他敌对者,杀!装X者,看着不爽,还是杀了吧!

  • 夜深情不负

    夜深情不负

    我出生在一个不幸的家庭,九岁那年和十四岁的哥哥在孤儿院相依为命,谁知这里竟是一群狼窝,狼窝覆灭之时,哥哥也不知所踪。为了寻回哥哥,我又入虎穴,在这个纸醉金迷的世界,再次迷失了自己......

  • 济世玄医

    济世玄医

    出生中医世家,身具百门传承,行医济世,治病救人。什么?绝症?没问题,保证手到病除。校花萝莉,冰山御姐,你们有病,等着,我给你们治病.......

  • 罗刹医王

    罗刹医王

    六年前,他遭人陷害,被关入狱。六年后,他在牢狱里闯出惊天名誉。他是影响力遍布全球的罗刹医王,一手针灸,一手丹药,称霸天下。因为妹妹被人谋害、生命垂危,罗刹医王叶浩回归夏国!狂龙归海,必将血染半边天!叶浩:所有人欺负我妹妹和我媳妇的,统统都得死!

  • 大牌前妻太嚣张

    大牌前妻太嚣张

    她是他妻,却也是陌生人。一面未缘,她为母联姻,一面之缘,她在婚礼上面对所有人的讥笑,看着他抱着前女友转身离去。“交丝结龙凤,镂彩结云霞。一寸同心缕,百年长命花。”结发一成,相伴终生。他满眼嘲讽,薄唇微微勾起,“结发,结的只是怨,不要也罢。”“安语汐,你以为他爱的是你吗?你能陪他到今天全是因为你这张脸。”妖艳的红唇打破了他对她的疼爱。看着照片中那个和自己七八分相似的女孩,她笑了,笑的那般凄凉,替身,她只是替身而已。“风轩宇,就算我只是个替身,我也愿意,只要你在。”为他,她甘愿做一世替身。

  • 都市冥王护卫

    都市冥王护卫

    十七年前两个孤儿相依为命。十七年后,她是豪门大小姐,却遭人追杀命悬一线。而他身负血海深仇,一跃成为令人闻风丧胆的冥王。因为我要让她赢,所以你们都得输!

  • 猜你喜欢
  • 热门推荐
  • exo美甲图片
  • 台中到清静农场
  • 鹏基公寓二手房
  • 氰乙酸乙酯价格
  • 抗日之兵魂传奇王小壮
  • 温度控制器品牌
  • 引爆手淘首页
  • 江门日语培训班
  • 网络红人 英文
  • 黑珍珠形象设计
  • 数学极限定义
  • 开小船语言教案
  • 辛巴德的冒险
  • 明城锦江大酒店
  • 长沙有哪些社区
  • 三星4650一体机 故障
  • 永年李兴 教育局
  • 南充市政新区楼盘
  • 黑白平衡是什么
  • 雅miyavi mv
  • All Right Reserved 雁塔文明网