spssau多分类Logistic回归操作步骤.docx

多分类Logit分析
Contents
背景 4
理论 4
操作 5
SPSSAU 输出结果 5.
文字分析 6
剖析 8
在研究X对于Y的影响关系时，如果Y为定类数据，比如是否愿意购买，是否愿 意推荐，出行方式偏好，总gistic回归分析用于研究X对于Y的影响关系，其中X可为定量数据，也 可以是定类数据（如果X为定类数据，需要做虚拟（哑）变量设置），Y为多分类定类数 据。针对多分类Logistic回归分析时，可分为三个步骤。
第一：模型的基本背景情况说明；比如模型研究X对于Y的影响，X分别是那些，
Y 具体情况如何等。
第二：针对模型的构建和比较过程进行描述，包括分析P值来检测模型构建是否有 意义，以及模型构建时的重复选择过程，使用AIC和BIC准则对比，选出最优模型等；
第三：针对模型的具体情况进行分析，首先分析尸值，，说明X 对于 Y 有影响关系，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响 关系等；除此之外，还可以写出回归模型构建公式，以及模型的预测准确率情况等。
特别提示：
一定注意，SPSSAU建议首先对Y进行标签设置；便于输出带'标签'的智能 文字分析；
多分类Logistic回归时，Y是定类数据；需要有对照项，SPSSAU默认以Y对 应的最小数字作为对照项。
如果X为定类数据，通常情况下需要将X进行虚拟（哑）变量设置【SPSSAU中 生成变量功能中有】。
如果X为定类数据，此时可以考虑使用交叉卡方分析去研究X和Y的关系。
多分类Logistic回归模型，可通过对比AIC或BIC值，对比选出最优模型。
如果X非常多（比如超过10个），此时可以先对定类的X与Y进行卡方分析，
对定量的X与Y进行方差分析，先看有没有差异关系，将最终有差异关系的X 放入回归模型中，这样X会较少，并且X与Y均有差异关系，也更可能有影 响关系，此时模型的构建会更有科学。
操作
本例子中研究X对于Y的差异；X分别性别，年龄和学历；Y为总统候选人。放 置如下：
卄始多分类Logit分折
总统麒人磐
性91（男）
学历
SPSSAU输出结果
SPSSAU共输出三个表格结果，上述已有说明不再赘述。
5 文字分析
多分类Logistic回归分析基本汇总
名称
选项
频数
百分比
总统候选人选择
特朗普
661
%
希拉里
278
%
卢比奥
908
%
总计
1847

本研究共收集数据 1847 份。使用多分类 logistic 回归分析进行建模，研究民众性 别，年龄和学历对于总统候选人的影响关系。总统候选人为定类数据，而且共为三 名，分别是特朗普，希拉里和卢比奥。从上表可知，%，希 拉里的选择比例是 %，%。
在进行模型构建时，将特朗普作为参照对比项。以及自变量中性别为定类数据， 因而首先将其进行哑变量设置后，并且将女作为参照对比项，因此最终将“性别 （男）”放入模型中。
多分类Logistic回归模型检验
卡方值
df
P
AIC值
BIC值
-2LLNULL 值
-2LLF 值

6