spss 10.0高級(jí)教程十三：分類資料的logistic回歸分析

《spss 10.0高級(jí)教程十三：分類資料的logistic回歸分析》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、SPSS?10.0高級(jí)教程十三：分類資料的Logistic回歸分析(2009-02-0515:32:54)轉(zhuǎn)載所謂Logistic模型，或者說Logistic回歸模型，就是人們想為兩分類的應(yīng)變量作一個(gè)回歸方程出來，可概率的取值在0~1之間，回歸方程的應(yīng)變量取值可是在實(shí)數(shù)集中，直接做會(huì)出現(xiàn)0~1范圍之外的不可能結(jié)果，因此就有人耍小聰明，將率做了一個(gè)Logit變換，這樣取值區(qū)間就變成了整個(gè)實(shí)數(shù)集，作出來的結(jié)果就不會(huì)有問題了，從而該方法就被叫做了Logistic回歸。隨著模型的發(fā)展，Logistic家族也變得人丁興旺起來，

2、除了最早的兩分類Logistic外，還有配對(duì)Logistic模型，多分類Logistic模型、隨機(jī)效應(yīng)的Logistic模型等。由于SPSS的能力所限，對(duì)話框只能完成其中的兩分類和多分類模型，下面我們就介紹一下最重要和最基本的兩分類模型。10.3.1界面詳解與實(shí)例例11.1某研究人員在探討腎細(xì)胞癌轉(zhuǎn)移的有關(guān)臨床病理因素研究中，收集了一批行根治性腎切除術(shù)患者的腎癌標(biāo)本資料，現(xiàn)從中抽取26例資料作為示例進(jìn)行l(wèi)ogistic回歸分析（本例來自《衛(wèi)生統(tǒng)計(jì)學(xué)》第四版第11章）?！：標(biāo)本序號(hào)·x1：確診時(shí)患者的年齡(歲)·x2

3、：腎細(xì)胞癌血管內(nèi)皮生長(zhǎng)因子(VEGF)，其陽性表述由低到高共3個(gè)等級(jí)?·x3：腎細(xì)胞癌組織內(nèi)微血管數(shù)(MVC)?·x4：腎癌細(xì)胞核組織學(xué)分級(jí)，由低到高共4級(jí)?·x5：腎細(xì)胞癌分期，由低到高共4期?·y：腎細(xì)胞癌轉(zhuǎn)移情況(有轉(zhuǎn)移y=1;無轉(zhuǎn)移y=0)。i?x1?x2?x3?x4?x5?y1?59?2?43.4?2?1?02?36?1?57.2?1?1?03?61?2?190?2?1?04?58?3?128?4?3?15?55?3?80?3?4?16?61?1?94.4?2?1?07?38?1?76?1?1?08?42?

4、1?240?3?2?09?50?1?74?1?1?010?58?3?68.6?2?2?011?68?3?132.8?4?2?012?25?2?94.6?4?3?113?52?1?56?1?1?014?31?1?47.8?2?1?015?36?3?31.6?3?1?116?42?1?66.2?2?1?017?14?3?138.6?3?3?118?32?1?114?2?3?019?35?1?40.2?2?1?020?70?3?177.2?4?3?121?65?2?51.6?4?4?122?45?2?124?2?4?023

5、?68?3?127.2?3?3?124?31?2?124.8?2?3?025?58?1?128?4?3?026?60?3?149.8?4?3?1在菜單上選擇Analyze==》Regression==》BinaryLogistic...，系統(tǒng)彈出Logistic回歸對(duì)話框如下：左側(cè)是候選變量框，右上角是應(yīng)變量框，選入二分類的應(yīng)變量，下方的Covariates框是用于選入自變量的，只不過這里按國外的習(xí)慣被稱為了協(xié)變量。兩框中間的是BLOCK系列按扭，我在上一課已經(jīng)講過了，不再重復(fù)。中下部的>a*b>框是用于選入交互作用

6、的，和其他的對(duì)話框不太相同（我也不知道為什么SPSS偏在這里做得不同），下方的Method列表框用于選擇變量進(jìn)入方法，有進(jìn)入法、前進(jìn)法和后退法三大類，三類之下又有細(xì)分。最下面的四個(gè)按鈕比較重要，請(qǐng)大家聽我慢慢道來：oSelect>>鈕：用于限定一個(gè)篩選條件，只有滿足該條件的記錄才會(huì)被納入分析，單擊它后對(duì)話框會(huì)展開讓你填入相應(yīng)的條件。不過我覺得該功能純屬多余，和專門的Select對(duì)話框的功能重復(fù)了。oCategorical鈕：如果你的自變量是多分類的（如血型等），你必須要將它用啞變量的方式來分析，那么就要用該按鈕將該變

7、量指定為分類變量，如果有必要，可用里面的選擇按鈕進(jìn)行詳細(xì)的定義，如以哪個(gè)取值作為基礎(chǔ)水平，各水平間比較的方法是什么等。當(dāng)然，如果你弄不明白，不改也可以，默認(rèn)的是以最大取值為基礎(chǔ)水平，用Deviance做比較。oSave鈕：將中間結(jié)果存儲(chǔ)起來供以后分析，共有預(yù)測(cè)值、影響強(qiáng)度因子和殘差三大類。oOptions鈕：這一部分非常重要，但又常常被忽視，在這里我們可以對(duì)模型作精確定義，還可以選擇模型預(yù)測(cè)情況的描述方式，如StatisticsandPlots中的Classificationplots就是非常重要的模型預(yù)測(cè)工具，Co

8、rrelationsofestimates則是重要的模型診斷工具，Iterationhistory可以看到迭代的具體情況，從而得知你的模型是否在迭代時(shí)存在病態(tài)，下方則可以確定進(jìn)入和排除的概率標(biāo)準(zhǔn)，這在逐步回歸中是非常有用的。好，根據(jù)我們的目的，應(yīng)變量為Y，而X1~X5為自變量，具體的分析操作如下：1.Analyze==》Regression==