admin 管理员组文章数量: 1087139
2024年4月15日发(作者：git是用来干嘛的)
在研究X对于Y的影响时，如果Y为定量数据，那么使用多元线性回归分析（SPSSAU通用方法里面的线性回归）；
如果Y为定类数据，那么使用Logistic回归分析。
结合实际情况，可以将Logistic回归分析分为3类，分别是二元Logistic回归分析、多元有序Logistic回归分析和多
元无序Logistic回归分析，如下图。
SPSSAU Logistic回归分析分类
Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，
但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。
如果Y有两个选项，如愿意和不愿意、是和否，那么应该使用二元Logistic回归分析(SPSSAU进阶方法->二
元logit);
如果Y有多个选项，并且各个选项之间可以对比大小，例如，1代表“不愿意”，2代表“无所谓”，3代表
“愿意”，这3个选项具有对比意义，数值越高，代表样本的愿意程度越高，那么应该使用多元有序Logistic
回归分析(SPSSAU进阶方法->有序logit)；
如果Y有多个选项，并且各个选项之间不具有对比意义，例如，1代表“淘宝”，2代表“天猫”，3代表
“京东”，4代表“亚马逊中国”，数值仅代表不同类别，数值大小不具有对比意义，那么应该使用多元无
序Logistic回归分析(SPSSAU进阶方法->多分类logit)。
本次内容将针对二元logistic（logit）回归进行说明，后续两篇文章将分别讲解有序logistic(logit)和多分类
logistic(logit)回归。
1、二元logistic分析思路说明
在进行二元Logistic回归分析时，通常会涉及3个步骤，分别是数据处理、卡方分析和影响关系研究，如下图。
二元Logistic回归分析步骤
1.1 第一步为数据处理
例如，在研究相关因素对样本将来是否愿意购买理财产品的影响情况时，性别，专业等均为影响因素，而且明显
的，性别和专业属于定类数据，因此需要进行虚拟哑变量设置，可使用【数据处理->生成变量】完成。
除此之外，二元logistic回归要求因变量只能为2项，而且数字一定是0和1，数字1表示YES，愿意，购买，患病
等，数字0表示no，不愿意，不购买，不患病等。如果不是这样，那么就需要针对因变量Y进行数据编码，使用
【数据处理->数据编码】即可完成。
1.2 第二步为卡方分析或方差分析
此步不是必需的步骤，通过此步可以试探性了解每个影响因素X与Y之间的影响关系情况，研究影响关系前，首先
需要自变量X与Y之间有着差异关系，才可能进一步有着影响关系，也或者说差异关系是一种基础性关系，影响关
系是更进一步的深层次关系。所以在进行二元logistic回归分析前，可先对X做差异分析，筛选出与Y有着差异性的
X。
如果X是定类数据，那么就使用卡方分析去分析差异；如果说X是定量数据，那么可使用方差分析去研究X和Y的差
异性。
分析完成X与Y的差异关系之后，筛选出有差异的X，然后再放入模型中，进行二元logistic回归；这样做的目的有
两个，一是简化模型，越简单的模型越容易拟合且效果越好；二是做到心里有数，提前了解到数据之间的大致关系
情况。
1.3 第三步为影响关系分析，即二元Logistic回归分析
在上一步确认了可能的影响因素之后，此步骤直接对题进行二元Logistic回归分析。二元Logistic回归分析时，首
先需要看某个题是否呈现出显著性（如果P值小于0.05，则说明呈现出0.05水平的显著性；如果P值小于0.01，则
说明呈现出0.01水平的显著性），如果呈现出显著性，那么说明该题对Y有影响关系。具体是正向影响还是负向影
响需要结合对应的回归系数值进行说明，如果回归系数值大于0，则说明是正向影响；反之则说明是负向影响。
除此之外，二元Logistic回归分析会涉及一个术语——对数比（SPSSAU中称其为OR值）。对数比是一个倍数概
念指标，该值等于回归系数的指数次方，也称exp(b)值。例如，研究相关因素对样本‘是否购买理财产品’的影
响，性别因素呈现出显著性，并且性别以女性为对照项，其对数比（OR值）为1.34，这说明男性样本购买理财产
品的可能性是女性样本的1.34倍。
二元Logistic回归分析模型的拟合情况或模型效果的判断会涉及3个指标，分别是Hosmer和Lemeshow检验、R2
值和模型预测准确率表格。Hosmer和Lemeshow检验用于检验事实数据情况与模型拟合结果是否保持一致，如果
在进行Hosmer和Lemeshow检验时P值大于0.05，那么说明事实数据情况与模型拟合结果保持一致，即说明模型
拟合情况良好。
R2用于表示模型拟合程度，此值与多元线性回归分析的R2值意义基本一致，此值的取值范围为0～1，值越大意味
着相关因素对Y的解释力度越高。SPSSAU提供3个R方值指标，分别是McFadden R 方、Cox & Snell R 方和
Nagelkerke R 方。
除此之外，SPSSAU还会输出模型预测准确率表格，用于分析模型的预测水平情况。比如有多大比例将本身为愿意
购买理财产品的样本误判断为不愿意购买理财产品的样本。
版权声明：本文标题：Logistic回归教程与解读 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1713189166a623130.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论