Dans des applications pratiques, il peut également rencontrer un cas de variables de nombreuses catégories et aucun arrangement n'est inclus. Par exemple, la vision est divisée en trois niveaux légers, moyens et lourds. Si vous souhaitez enquêter sur les indicateurs qui affectent l'évaluation de la vision, les régressions logistiques couramment utilisées ne sont plus éligibles.
Heureusement, le logiciel SPSS nous donne une certaine régance logistique.
En raison de variables: les variables sont classées, requises (y compris) trois niveaux de classification ou plus;
Variable: il peut s'agir d'une variable de tri ou d'une variable continue. Devrait classer les variables;
Coassay: doit être une variable de classification;
Quel est le concept, laissez-moi dire, même si je dis, je ne sais pas bien, je comprends un cas naturel. Les avantages de l'utilisation de statistiques SPSS sont ceci et le principe statistique des yeux épicés peut comprendre progressivement la maîtrise de la pratique.
Le fichier de données hypothétiques implique l'enquête de l'opinion publique de 880 personnes dans les préférences du petit-déjeuner. L'enquête a enregistré des participants. Âge, sexe, statut de mariage et si le mode de vie est actif et chaque cas représente une réponse distincte.
L'organisation d'enquête souhaite savoir ce que le petit-déjeuner est affecté par l'intimé. En raison des variables "Sélection de petit-déjeuner" incluse (1 = Booth de petit-déjeuner, 2 = Oatmeal, 3 = céréales), l'âge de temporaire automatiquement temporaire, état matrimonial et attitude de vie.
Les variables, les arguments sont spécifiés dans la zone de variable correspondante, puis la chose la plus importante est, cliquez sur le bouton "Catégorie de référence", cochez le "catalogue final" par défaut.
Que voulez-vous dire? Il y a une grande intention de faire référence à la comparaison entre la classification finale due aux variables et argumentsEt utilisez d'autres catégories pour vérifier la tendance entre différents niveaux.
Dans le panneau de commande principal, cliquez sur le bouton "Modèle" pour ouvrir la boîte de dialogue "Multi logistique: modèle", vérifiez l'exemple "Effet principal", cet exemple examine principalement l'impact principal de l'âge de tournage automatique, Le sexe, l'état matrimonial ne vérifie pas l'interaction entre eux, puis cliquez sur "Continuer".
Dans le panneau principal, cliquez sur le bouton "Statistiques" pour définir les statistiques du modèle. Installation du modèle "Table de classification "Ouverture" Ces éléments doivent être sélectionnés par défaut. Ces paramètres sont principalement utilisés pour illustrer la qualité du modèle.
Dans la table principale, cliquez sur "" Enregistrer le bouton, cochez la "Probabilité de rétroaction estimée", nous avons besoin d'un logiciel SPSS pour nous aider à estimer la probabilité de chacun du petit-déjeuner.
Les paramètres restants sont revenus principalement et progressivement, cet exemple utilise le modèle d'effet principal, l'auto-traitement de la conception humaine du modèle, des cendresAutres études, vous pouvez revenir progressivement à la situation.
Cliquez sur le bouton "OK" en bas de la table principale inférieure, le logiciel commence à effectuer la modélisation.
quatre. De nombreux résultats de régression logistique sont expliqués
une liste de cas, répertoriez les niveaux de variables et arguments et pourcentages du cas correspondant. Il est recommandé de lire les niveaux de classification modifiés dans ce tableau. Ordre, tel que le "groupe d'âge" de la variable, la première classification est "moins de 31 ans", la deuxième classification est "31-45", la troisième classification est "45 -60", quatrième classification comme "60 ans Vieux, surtout pour voir la classification finale, car nos paramètres précédents doivent être le groupe de référence le plus égal avec la classification finale. Tout le monde est comparable, doit être clair.
Tablet Pseudo R, trois pseudo-r-mexistes (semblables au facteur d'identification) LOW, jusqu'à 0,4, expliquant le niveau d'explication de la variation de variable d'origine, certaines informations ne peuvent pas être expliquées, le niveau approprié n'est pas génial.
Les modèles sont comme une carte de test, nous pouvons voir l'effet final d'entrer dans le modèle, y compris le blocage, l'âge, l'état matrimonial, le mode de vie et la liste finale des valeurs importants indique que trois variables (facteurs affectant des facteurs affectant les composants du modèle et Ils ont un sens.
Tableau d'estimation des paramètres, inscription de l'effet des niveaux de selles différents types de variables sur les options de petit-déjeuner, sont des résultats très importants de nombreuses régressions logistiques.
La deuxième valeur B-colonne, c'est-à-dire qui sont les niveauxDifférents dans le modèle de coefficient, les symboles positifs et négatifs indiquent qu'ils sont proportionnels au petit-déjeuner. La sixième colonne est une valeur significative de Vald. Cette valeur est inférieure à 0,05 que le coefficient correspond à la variable avec une signification statistique et des modifications de la classification de différentes variables. Un effet significatif.
Pour un meilleur petit-déjeuner et un petit-déjeuner céréalier, 31-45 ans sont plus biaisés pour le petit-déjeuner pendant le petit-déjeuner, cette capacité est de 3,7 fois supérieure à 60 ans; Avoine et comparaison avec les céréales de petit-déjeuner, il n'y a pas de différence dans la sélection du petit-déjeuner.
V. De nombreux modèles de régression logistique
P3 = EXP (G3) / EXP (G2) + EXP (G3)]
Bien sûr, SPSS Software a automatiquement calculé trois options de petit-déjeuner pour chaque personne payante. La probabilité correspondante, nous n'avons pas à calculer les manuels, revenir à la fenêtre de l'éditeur de données, surtout voir les résultats.
Le haut à droite des données d'origine a ajouté trois variables, respectivement EST1_1, EST2_1, EST3_1 correspondant à trois types différents de "sélection de petit-déjeuner" (petit-déjeuner, avoine, particule de couches) probabilité de réunion. Par exemple, la probabilité de céréales de petit-déjeuner est de 0,55 et dans trois choix, le modèle détermineraIl est déterminé qu'il choisit un petit-déjeuner particule, adapté à la valeur réelle de l'enregistrement original, montrant que le modèle est correct.
Bien entendu, le logiciel SPSS a également exporté une table de classification prédictive modèle, comme ci-dessous.
Le modèle est la plus grande précision du petit-déjeuner anticipée de l'avoine, atteignant 77%, deux autres options de petit-déjeuner sont légèrement inférieures, la précision globale du modèle est de 57, 4% et la performance est générale.
Heureusement, le logiciel SPSS nous donne une certaine régance logistique.
En raison de variables: les variables sont classées, requises (y compris) trois niveaux de classification ou plus;
Variable: il peut s'agir d'une variable de tri ou d'une variable continue. Devrait classer les variables;
Coassay: doit être une variable de classification;
Quel est le concept, laissez-moi dire, même si je dis, je ne sais pas bien, je comprends un cas naturel. Les avantages de l'utilisation de statistiques SPSS sont ceci et le principe statistique des yeux épicés peut comprendre progressivement la maîtrise de la pratique.
Le fichier de données hypothétiques implique l'enquête de l'opinion publique de 880 personnes dans les préférences du petit-déjeuner. L'enquête a enregistré des participants. Âge, sexe, statut de mariage et si le mode de vie est actif et chaque cas représente une réponse distincte.
L'organisation d'enquête souhaite savoir ce que le petit-déjeuner est affecté par l'intimé. En raison des variables "Sélection de petit-déjeuner" incluse (1 = Booth de petit-déjeuner, 2 = Oatmeal, 3 = céréales), l'âge de temporaire automatiquement temporaire, état matrimonial et attitude de vie.
III .SPSPS Menu Retour à Multi Logistics
Sélectionnez "Analyser" Multi-Logistique "" régression multi-logistique "dans la barre de menus pour ouvrir la table principale.Les variables, les arguments sont spécifiés dans la zone de variable correspondante, puis la chose la plus importante est, cliquez sur le bouton "Catégorie de référence", cochez le "catalogue final" par défaut.
Que voulez-vous dire? Il y a une grande intention de faire référence à la comparaison entre la classification finale due aux variables et argumentsEt utilisez d'autres catégories pour vérifier la tendance entre différents niveaux.
Dans le panneau de commande principal, cliquez sur le bouton "Modèle" pour ouvrir la boîte de dialogue "Multi logistique: modèle", vérifiez l'exemple "Effet principal", cet exemple examine principalement l'impact principal de l'âge de tournage automatique, Le sexe, l'état matrimonial ne vérifie pas l'interaction entre eux, puis cliquez sur "Continuer".
Dans le panneau principal, cliquez sur le bouton "Statistiques" pour définir les statistiques du modèle. Installation du modèle "Table de classification "Ouverture" Ces éléments doivent être sélectionnés par défaut. Ces paramètres sont principalement utilisés pour illustrer la qualité du modèle.
Dans la table principale, cliquez sur "" Enregistrer le bouton, cochez la "Probabilité de rétroaction estimée", nous avons besoin d'un logiciel SPSS pour nous aider à estimer la probabilité de chacun du petit-déjeuner.
Les paramètres restants sont revenus principalement et progressivement, cet exemple utilise le modèle d'effet principal, l'auto-traitement de la conception humaine du modèle, des cendresAutres études, vous pouvez revenir progressivement à la situation.
Cliquez sur le bouton "OK" en bas de la table principale inférieure, le logiciel commence à effectuer la modélisation.
quatre. De nombreux résultats de régression logistique sont expliqués
une liste de cas, répertoriez les niveaux de variables et arguments et pourcentages du cas correspondant. Il est recommandé de lire les niveaux de classification modifiés dans ce tableau. Ordre, tel que le "groupe d'âge" de la variable, la première classification est "moins de 31 ans", la deuxième classification est "31-45", la troisième classification est "45 -60", quatrième classification comme "60 ans Vieux, surtout pour voir la classification finale, car nos paramètres précédents doivent être le groupe de référence le plus égal avec la classification finale. Tout le monde est comparable, doit être clair.
Le modèle correspond à la carte d'information, lisez La colonne finale, la valeur significative est inférieure à 0,05, indiquant que le modèle est statistiquement significatif, le modèle passe le test.
RaccordTable de supermeter, le modèle d'hypothèse initial peut contenir de bonnes données d'origine, le Lierson Card enfin de manière significative des valeurs de 0,952, une grande probabilité, l'hypothèse originale est définie, indiquant le modèle des données de modèle brute.Tablet Pseudo R, trois pseudo-r-mexistes (semblables au facteur d'identification) LOW, jusqu'à 0,4, expliquant le niveau d'explication de la variation de variable d'origine, certaines informations ne peuvent pas être expliquées, le niveau approprié n'est pas génial.
Les modèles sont comme une carte de test, nous pouvons voir l'effet final d'entrer dans le modèle, y compris le blocage, l'âge, l'état matrimonial, le mode de vie et la liste finale des valeurs importants indique que trois variables (facteurs affectant des facteurs affectant les composants du modèle et Ils ont un sens.
Tableau d'estimation des paramètres, inscription de l'effet des niveaux de selles différents types de variables sur les options de petit-déjeuner, sont des résultats très importants de nombreuses régressions logistiques.
La deuxième valeur B-colonne, c'est-à-dire qui sont les niveauxDifférents dans le modèle de coefficient, les symboles positifs et négatifs indiquent qu'ils sont proportionnels au petit-déjeuner. La sixième colonne est une valeur significative de Vald. Cette valeur est inférieure à 0,05 que le coefficient correspond à la variable avec une signification statistique et des modifications de la classification de différentes variables. Un effet significatif.
Pour un meilleur petit-déjeuner et un petit-déjeuner céréalier, 31-45 ans sont plus biaisés pour le petit-déjeuner pendant le petit-déjeuner, cette capacité est de 3,7 fois supérieure à 60 ans; Avoine et comparaison avec les céréales de petit-déjeuner, il n'y a pas de différence dans la sélection du petit-déjeuner.
V. De nombreux modèles de régression logistique
L'analyse de régression logistique a été réalisée par le petit-déjeuner, et il a été estimé à des paramètres et ils peuvent obtenir le modèle suivant: ] G1 = journal [p (stand apgrea) / p (comté)] = - 1,224 + 0,984 Âge 1 + 1,309 Âge 2 + 0.542 Âge 3 + 0,843 Etat du mariage 0 -0 792 Attitude de vie 0 G2 = LOG [P ( avoine) / p (comté)] = 1 134 - 4 273 ans1- 2 532 ans 2 - 1,192 ans 3 + 0,843 Statut de mariage 0 + 0,186 Life Attitude 0 G3 = 0 (Groupe de contrôle)
Selon ce modèle, nous calculons d'abord la valeur d'une personne qui est demandée à G1, G2, G3, est ensuite inclus dans les formules suivantes et a finalement obtenu la probabilité de trois petits déjeuners.P1 = EXP (G1) / [EXP (G1) + EXP (G2) + EXP (G3)]
P2 = EXP (G2) / [EXP (G1) + EXP (G2) + EXP (G3 )]P3 = EXP (G3) / EXP (G2) + EXP (G3)]
Bien sûr, SPSS Software a automatiquement calculé trois options de petit-déjeuner pour chaque personne payante. La probabilité correspondante, nous n'avons pas à calculer les manuels, revenir à la fenêtre de l'éditeur de données, surtout voir les résultats.
Le haut à droite des données d'origine a ajouté trois variables, respectivement EST1_1, EST2_1, EST3_1 correspondant à trois types différents de "sélection de petit-déjeuner" (petit-déjeuner, avoine, particule de couches) probabilité de réunion. Par exemple, la probabilité de céréales de petit-déjeuner est de 0,55 et dans trois choix, le modèle détermineraIl est déterminé qu'il choisit un petit-déjeuner particule, adapté à la valeur réelle de l'enregistrement original, montrant que le modèle est correct.
Bien entendu, le logiciel SPSS a également exporté une table de classification prédictive modèle, comme ci-dessous.
Le modèle est la plus grande précision du petit-déjeuner anticipée de l'avoine, atteignant 77%, deux autres options de petit-déjeuner sont légèrement inférieures, la précision globale du modèle est de 57, 4% et la performance est générale.