Python全系列 教程
3567个小节阅读:5929.3k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
在实际资料分析中,有一些因变量是分类变量,那么这样的资料就不能使用前面介绍的线性回归模型进行分析。遇到这种情况,我们一般采取logistic回归模型对数据进行分析。
二元logistic回归是指因变量为二分类变量时的回归分析。如在采用了某种治疗方案后,病人的治疗结局是有效或无效、生存或死亡;人们对自己的生存质量是否满意;想探讨胃癌发生的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌,即“是”或“否”,为两分类变量。
为了评价某新疗法的疗效,某研究者随机抽查了40名某病患者,治疗后一定时间内观察其康复状况。其中变量Y为康复状况(Y=0表示未康复,Y=1表示康复),X1表示病情严重程度(1表示严重,0表示不严重),X2表示疗法(0表示新疗法,1表示传统疗法)。目的研究评价不同疗法对康复状况的作用有无差别?
导入数据
如果自变量的方法有多种,可以点击”下一个“,在方法所对应的下拉框中选择。
点击“分类”按钮。
当选择了分类协变量后,就可以选择参考类别,以及对比方式。
如果勾选了“概率”和“组成员”后就会将这两个值保存到原始数据中。
点击“确定”,查看输出结果
从个案处理摘要中可以看到,个案数选定40,总计也是40,未选定个案数0。
从因变量编码中可以看到,0表示未康复,1表示康复。
从分类变量编码中可以看到疗法有两类,新疗法和传统疗法。病情严重程度也是两类不严重和严重。
查看最终迭代分析结果:
从模型系数检验中可以看到,显著性都小于0.05,表示模型总体有意义
在模型系数检验中得到模型是有意义的,接下来看模型摘要,有两种R方决定因数,分别是0.156和0.210,R方值比较小,总体来说模型拟合优度比较小。
最终预测结果:
对未康复预测正确率达到65.2%,康复预测正确率达到70.6%。总体预测正确率67.5%。
从最终模型中的变量可以看到:从常量显著性0.021小于0.05说明常量对模型是有意义的,从病情严重程度显著性0.209大于0.05。说明病情严重程度对模型是没有意义的,即病情严重程度对康复和未康复没有影响。
治疗方法显著性0.022小于0.05,说明治疗方法对模型是有意义的。而且是和治疗方法值为1进行比较。治疗方法值为1表示传统疗法。得出结论,相对于传统疗法,新疗法更有易于病人康复,换句话说,就是新疗法比传统疗法的疗效更好。
1. 关于二元logistic回归分析,下列说法正确的是_______
A 针对因变量是连续型变量的分析
B 因变量有三个分类变量时的回归分析
C 二元logistic回归是指因变量为二分类变量时的回归分析
D 以上说法均不正确
2. SPSS进行二元logistic回归分析的菜单选项是___:
A 【分析】----> 【回归】----> 【线性】
B 【分析】----> 【相关】----> 【双变量】
C 【分析】----> 【回归】----> 【二元Logistic】
D 【分析】----> 【回归】----> 【曲线估算】
1=>C 2=>C