SPSS—二元Logistic回归结果分析.docx

SPSS—二元Logistic回归结果分析
2011-12-02 16:48
       身心疲惫,睡意连连,头不断往下掉,拿出耳机,听下歌曲,缓解我这严重的睡意吧!今天来分析二元Logistic回归的结果
分析结果如下:
1: 在“案例处理汇总”中可以看出:选定的案例489个,未选定的案例361个,这个结果是根据设定的validate = 1得到的,在“因变量编码”中可以看出“违约”的两种结果“是”或者“否”分别用值“1“和“0”代替, 在“分类变量编码”中教育水平分为5类, 如果选中“为完成高中,高中,大专,大学等,其中的任何一个,那么就取值为 1,未选中的为0,如果四个都未被选中,那么就是”研究生“频率分别代表了处在某个教育水平的个数,总和应该为 489个
1:在“分类表”中可以看出: 预测有360个是“否”(未违约) 有129个是“是”(违约)
2:在“方程中的变量”表中可以看出:最初是对“常数项”记性赋值,B为-, 标准误差为:
那么wald =( B/)²=(-)² = , 跟表中的“,是因为我对数据进行的向下舍入的关系,所以数据会稍微偏小,
B和Exp(B) 是对数关系,将B进行对数抓换后,可以得到:Exp(B) = e^- = ,  其中自由度为1, ,非常显著
1:从“不在方程中的变量”可以看出,最初模型,只有“常数项”被纳入了模型,其它变量都不在最初模型内
表中分别给出了,得分,df ,  Sig三个值, 而其中得分(Score)计算公式如下:
 (公式中(Xi- X¯) 少了一个平方)
下面来举例说明这个计算过程:(“年龄”自变量的得分为例)
   从“分类表”中可以看出:有129人违约,违约记为“1”   则违约总和为 129, 选定案例总和为489
那么: y¯ = 129/489 =
            x¯ = 16951 / 489 =
所以:∑(Xi-x¯)² =
          y¯(1-y¯)=  *(1- )
=
则:y¯(1-y¯)*  ∑(Xi-x¯)² = * = 5
则:[∑Xi(yi - y¯)]^2 =
 所以:
= / 5 = = (四舍五入)
 
计算过程采用的是在 EXCEL 里面计算出来的,截图如下所示:
 
从“不在方程的变量中”可以看出,年龄的“得分”,刚好跟计算结果吻合!!答案得到验证~!!!!
 
1:从“块1”中可以看出:采用的是:向前步进的方法, 在“模型系数的综合检验”表中可以看出: 所有的SIG 几乎都为“0”   而且随着模型的逐渐步进,卡方值越来越大,说明模型越来越显著,在第4步后,终止,
  根据设定的显著性值和  自由度,可以算出卡方临界值, 公式为:=CHIINV(显著性值,自由度)  ,放入excel就可以得到结果
2:在“模型汇总“中可以看出:Cox&SnellR方  和 Nagelkerke R方拟合效果都不太理想,最终理想模型也才: 和 ,
最大似然平方的对数值都比较大,明显是显著的
似然数对数计算公式为:
计算过程太费时间了,我就不举例说明计算过程了
Cox&SnellR方的计算值 是根据:
1:先拟合不包含待检验因素的Logistic模型,求对数似然函数值INL0        (指只包含“常数项”的检验)
2:再拟合包含待检验因素的Logistic模型,求新的对数似然函数值InLB      (包含自变量的检验)
 
再根据公式:        即可算出:Cox&SnellR方的值!
 
 
提示: 将Hosmer 和 Lemeshow 检验和“随机性表”结合一起来分析
1:从 Hosmer 和 Lemeshow 检验表中,可以看出:经过4次迭代后,最终的卡方统计量为:, 而临界值为:CHINV(,8) =
卡方统计量< 临界值,从SIG 角度来看: > , 说明模型能够很好的拟合整体,不存在显著的差异。
2:从Hosmer 和 Lemeshow 检验随