1樓：忻桐古含海
自變數賦值為1的情況和賦值為0
的比較，因變數為1的可能性的倍數。如果自變數是男=1，女=0，因變數是理科成績好=1，壞=0，or值為2，那麼就是男生比女生理科成績好的可能性是2倍
用spss作logistic回歸分析，結果能說明什麼
2樓：匿名使用者
回歸方程，主要是看各個自變數的假設檢驗結果，和係數。兩個自變數都有統計學意義，係數分別為-5.423和0.
001，也就是說，隨著自變數一增加乙個單位，因變數要降低5.423三個單位。自變數二同理。
比如我的因變數是高血壓患病與否，隨著自變數一得增加，患病危險降低。說明自變數一為保護因素。
3樓：匿名使用者
hosmer and lemeshow test for goodness of fit裡p=0.414，不顯著，方程是好的
wald值代表的是卡方檢驗，p都顯著，進入logistic回歸方程logistic回歸方程：
p=exp(0.847-5.423*自變數一+0.001*自變數二)/[1-exp(0.847-5.423*自變數一+0.001*自變數二)]
怎樣用spss做二項logistic回歸分析？結果如何解釋
logistic回歸分析結果解讀
4樓：匿名使用者
第一：對模型整體情況進行說明，比如對r方值進行描述，以及列出模型公式。
第二：逐一分析x對於y（相對於的對比項）影響情況；如果x對應的p值小於0.05則說明x會對y（相對於的對比項）產生影響關係，此時可結合or值進一步分析影響幅度。
第三：總結分析結果。
以及可結合輸出的智慧型文字分析，進行解讀。
5樓：匿名使用者
不知道你是否聽說過辛普森悖論，了解這個玩意也許能解決你的問題，如果需要在考慮a而不分析a，如果a是離散的，將不同a不同取值放入不同的模型中，然後分析其他變數。如果a是連續的，，，那就複雜一點。。。。。
6樓：七彩虹科技****
logistic回歸主要用於危險因素探索。因變數y為二分類或多分類變數，自變數既可以為分類變數，也可以為連續變數。 回歸分析**法，是在分析市場現象自變數和因變數之間相關關係的基礎上，建立變數之間的回歸方程，並將回歸方程作為**模型，根據自變數在**期的數量變化來**因變數關係大多表現為相關關係，因此，回歸分析**法是一種重要的市場**方法，當我們在對市場現象未來發展狀況和水平進行**時，如果能將影響市場**物件的主要因素找到，並且能夠取得其數量資料，就可以採用回歸分析**法進行**。
它是一種具體的、行之有效的、實用價值很高的常用市場**方法。
怎樣用spss做二項logistic回歸分析？結果如何解釋
7樓：旗塵印雪瑤
自變數賦值為1的情況和賦值為0
的比較，因變數為1的可能性的倍數。如果自變數是男=1，女=0，因變數是理科成績好=1，壞=0，or值為2，那麼就是男生比女生理科成績好的可能性是2倍
spss中回歸分析結果解釋，不懂怎麼看
8樓：中子
首先來說明各個符號，b也就是beta，代表回歸係數，標準化的回歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對回歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.05一般被認為是係數檢驗顯著，顯著的意思就是你的回歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
回歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行回歸的所有自變數的回歸係數的乙個總體檢驗，如果sig<0.05,說明至少有乙個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的回歸係數是否顯著，每個自變數都有乙個對應的回歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表回歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的乙個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
希望對您有用
9樓：匿名使用者
看coeffuenthesig即可，
非條件logistic回歸分析步驟及結果解釋 5
10樓：龍之大帝之不死
非條件logistic回歸方程適用於：成組資料；條件logistic回歸方程適用於：配對資料。
logistic回歸中的回歸係數（ bi ）表示，某一因素改變乙個單位時，效應指標發生與不發生事件的概率之比的對數變化值，即or的對數值。
logistic回歸係數的意義:
分析因素xi為二分類變數時，存在（暴露）xi ＝1，不存在（未暴露）xi ＝0，則logistic回歸中xi的係數bi就是暴露與非暴露優勢比的對數值，即or=exp(bi)=e (bi)。
11樓：匿名使用者
那你做錯了 啊
壓設定啞變數等的
統計專業研究生工作室為您服務
spss二元logistics回歸結果分析
12樓：風花樹
1. logistic回歸簡介
logistic回歸：主要用於因變數為分類變數（如疾病的緩解、不緩解，評比中的好、中、差等）的回歸分析，自變數可以為分類變數，也可以為連續變數。因變數為二分類的稱為二項logistic回歸，因變數為多分類的稱為多元logistic回歸。
odds：稱為比值、比數，是指某事件發生的可能性(概率)與不發生的可能性（概率）之比。
or（odds ratio）：比值比，優勢比。
2.spss中做logistic回歸的操作步驟
分析》回歸》二元logistic回歸
選擇因變數和自變數（協變數）
3.結果怎麼看
一些指標和資料怎麼看
「exp(b)」即為相應變數的or值（又叫優勢比，比值比），為在其他條件不變的情況下，自變數每改變1個單位，事件的發生比「odds」的變化率。
偽決定係數cox & snell r2和nagelkerke r2，這兩個指標從不同角度反映了當前模型中自變數解釋了因變數的變異佔因變數總變異的比例。但對於logistic回歸而言，通常看到的偽決定係數的大小不像線性回歸模型中的決定係數那麼大。
**結果列聯表解釋，看」分類表「中的資料，提供了2類樣本的**正確率和總的正確率。
建立logistic回歸方程
logit（p）=β0+β1*x1+β2*x2+……+βm*xm
4.自變數的篩選方法和逐步回歸
與線性回歸類似，在logistic回歸中應盡量納入對因變數有影響作用的變數，而將對因變數沒有影響或影響較小的變數排除在模型之外。
①.wald檢驗：wals是乙個統計量，用檢驗自變數對因變數是否有影響的。它越大，或者說它對應的sig越小，則影響越顯著。
②.似然比檢驗（likelihood ratio
test）：logistic模型的估計一般是使用極大似然法，即使得模型的似然函式l達到最大值。-2lnl被稱為diviance，記為d。
l越大，則d越大，模型**效果越好。似然比檢驗是通過比較是否包含某個或幾個引數β的多個模型的d值。
③.比分檢驗（score test）
以上三種假設檢驗中，似然比檢驗是基於整個模型的擬合情況進行的，結果最為可靠；比分檢驗結果一般與似然比檢驗結果一致。最差的就是wald檢驗，它考慮各因素的綜合作用，當因素間存在共線性的時候，結果不可靠。故在篩選變數時，用wald法應慎重。
spss中提供了六種自變數的篩選方法，向前法（forward）和向後法（backward）分別有三種。基於條件引數估計和偏最大似然估計的篩選方法都比較可靠，尤以後者為佳。但基於wald統計量的檢驗則不然，它實際上未考慮各因素的綜合作用，當因素間存在共線性時，結果不可靠，故應當慎用。
5.模型效果的判斷指標
①.對數似然值與偽決定係數
logistic模型是通過極大似然法求解的，極大似然值實際上也是乙個概率，取值在0～1之間。取值為1，代表模型達到完美，此時其對數值為0；似然值越小，則其對數值越負，因此－2倍的對數似然值就可以用來表示模型的擬合效果，其值越小，越接近於0，說明模型擬合效果越好。
②.模型**正確率
對因變數結局**的準確程度也可以反映模型的效果，spss在logistic回歸過程中會輸出包含**分類結果與原始資料分類結果的列聯表，預設是按照概率是否大於0.5進行分割。
③.roc曲線
roc曲線即受試者工作特徵曲線（receiver
operating characteristic curve），或譯作接受者操作特徵曲線。它是一種廣泛應用的資料統計方法，2023年應用於雷達訊號檢測的分析，用於區別「雜訊」與「訊號」。在對logistic回歸模型擬合效果進行判斷時，通過roc曲線可直接使用模型**概率進行。
應用roc曲線可幫助研究者確定合理的**概率分類點，即將**概率大於（或小於）多少的研究物件判斷為陽性結果（或陰性結果）。roc曲線，**效果最佳時，曲線應該是從左下角垂直上公升至頂，然後水平方向向右延伸到右上角。如果roc曲線沿著主對角線方向分布，表示分類是機遇造成的，正確分類和錯分的概率各為50％，此時該診斷方法完全無效。
13樓：匿名使用者
你在瞎做啊，不是這麼做的
14樓：stop華崽
你做的什麼，怎麼這麼多變數，自變數要篩選的，p為0.808都在裡面，無語了。
logistic迴歸原理什麼用，用SPSS作Logistic迴歸分析，結果能說明什麼
surblue是我 logistic迴歸又稱logistic迴歸分析，是一種廣義的線性迴歸分析模型，常用於資料探勘，疾病自動診斷，經濟 等領域。例如，引發疾病的危險因素，並根據危險因素 疾病發生的概率等。以胃癌病情分析為例，選擇兩組人群，一組是胃癌組，一組是非胃癌組，兩組人群必定具有不同的體徵與生活...
請問用SPSS做logistic迴歸時多分類變數怎麼設定啞
在spss中將多分類變數設定為啞變數比較麻煩，其中的一種方法就是將該多分類變數轉換成n 1列的啞變數，舉例來說，原多分類變數有四個取值 a b c d 這時需要設定三列啞變數，比如d2,d3,d4 用如果變數值是b，則d2 1，否則取0，如果是c，則用d3 1,否則取0，如果是d，則d4 1，否則取...
怎樣用SPSS做二項Logistic回歸分析？結果如何解釋
荔菲騫澤 在回歸裡面做，結果主要看係數和p值 tongjizhixing工作室為您解答 怎樣用spss做二項logistic回歸分析？結果如何解釋 相關因素logistic回歸分析結果怎麼看?logistic回歸在spss中怎麼操作?要選哪些統計量?謝謝 在這地方有些說不清楚，我給你找到這個例子，說...