spss 로지스틱 회귀분석 예제
1. GenLin은 이벤트/평가판 형식으로 바이너리 모델을 실행할 수 있습니다. 물류는 할 수 없습니다. 로지스틱 회귀 명령은 위에서 볼 수 있듯이 회귀->이진 로지스틱의 메뉴를 통해 호출됩니다. (그러나 구문을 붙여 넣는 것을 잊지 마십시오, 그래서 당신은 당신이 무슨 짓을했는지의 기록을 가지고)! 기본 물류 회귀 메뉴에서 공변량 상자 아래의 드롭다운 메뉴에서 사용하는 방법을 변경할 수 있습니다. 세 가지 설명 변수를 모두 하나의 블록으로 입력하면 `Enter`로 남길 수 있습니다. 또한 우리의 설명 변수 (공변량)는 이제 괄호 안에 옆에 `고양이`가 인쇄되어 있음을 알 수 있습니다. 이것은 단순히 그들이 갑자기 고양이가되었다는 것이 아니라 범주형 변수로 정의되었음을 의미합니다 (그냥 바보 같은 것). 로지스틱 회귀 모델은 일반화된 선형 모델의 한 유형입니다. PLUM은 실제로 프로빗 및 무료 로그 로그 모델을 포함하여 서수 결과에 대해 5가지 유형의 일반화된 선형 모델을 맞출 수 있습니다.
NomReg는 명목 상의 결과를 위해 다항물류 회귀 모델에 적합합니다. 즉, 정렬되지 않은 범주가 두 개 이상인 결과를 의미합니다. null 가설은 이러한 그룹이 동일하다는 것입니다. 이 경우에도 다른 대안이 있습니다 : 매우 매력적인 한 가지 새로운 대안은 리샘플링입니다. 우리는 바이너리 로지스틱 회귀 후 살펴 보겠습니다. 일반 ANOVA의 경우 ANOVA에서 가정한 오류의 정규 분포를 가정하지 않는 ___의 전체 호스트가 있습니다. f. 콕스 & 스넬 R 스퀘어와 나겔케르크 R 스퀘어 – 이들은 의사 R-사각형입니다. 로지스틱 회귀는 OLS 회귀에서 발견되는 R 제곱과 동일하지 않습니다. 그러나, 많은 사람들이 하나를 마련하기 위해 노력했다. 의사 R-사각형 통계의 다양 한 있다 (이들은 단지 두). 이 통계는 OLS 회귀에서 R 제곱이 의미하는 바를 의미하지 않기 때문에(예측 변수가 설명하는 분산 비율) 이 통계를 신중하게 해석하는 것이 좋습니다.
로지스틱 회귀는 이진 종속 변수에만 사용할 수 있습니다. 오른쪽또는 LOGISTIC 회귀 구문 명령을 통해 메뉴 선택을 사용하여 호출할 수 있습니다. 물류 나 매화를 사용할 수 있다면, 왜 GenLin을 사용하겠는가? PLUM의 로지스틱 회귀 모델은 비례 배당률 모델입니다. 즉, 모델이 각 주문 카테고리에 대한 배당률은 모든 낮은 주문 카테고리와 비교하여, 카테고리 4와 3, 아래 또는 카테고리 3에서 2 이하를 비교하든 관계없이 배당률이 동일하다는 것을 의미합니다. 예 1: 분석/회귀/이진 로지스틱 에서 SPSS에서 발견된 로지스틱 회귀 요인에 관심이 있다고 가정해 보겠습니다. 아래 데이터 분석을 위해 예제 2에서 대학원에 입학하는 방법에 대해 확장할 예정입니다. 우리는 바이너리.sav를 클릭하여 우리의 웹 사이트에서 얻을 수있는 가상의 데이터를 생성했습니다. 원하는 곳에 저장할 수 있지만 아래 구문은 디렉터리 c:data에 저장되었다고 가정합니다. 이 데이터 집합에는 이진 응답(결과, 종속) 변수가 있습니다.이 변수는 인정이라고 하며, 이는 개인이 대학원에 입학한 경우 1과 같으며, 그렇지 않으면 0입니다. gre, gpa 및 순위의 세 가지 예측 변수가 있습니다. 변수 그레와 gpa를 연속으로 다루겠습니다.
변수 순위는 값 1에서 4를 차지합니다. 1등급의 기관은 가장 높은 명성을 가지며, 4등급의 기관은 가장 낮습니다. 먼저 데이터 집합을 열고 몇 가지 설명통계통계를 살펴보는 것으로 시작합니다. 이를 “계층적 회귀”(계층적 선형 모델 또는 HLM와 혼동되지 않음)라고 하며 예측 변수가 추가될 때 모델 맞춤 및 계수가 어떻게 변경되는지 쉽게 비교할 수 있습니다. 매화는 위에서 볼 수 있듯이 회귀->서수 의 메뉴를 통해 호출됩니다. 예 2: 연구원은 GRE(대학원 기록 시험 점수), 로지트 모델이라고도 하는 로지스틱 회귀와 같은 변수가 이분형 결과 변수를 모델링하는 데 어떻게 사용되는지에 관심이 있습니다.