 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
利用SPSS 进行Logistic 回归分析
下载积分：0
内容提示：利用SPSS 进行Logistic 回归分析
文档格式：DOC|
浏览次数：21|
上传日期： 08:44:29|
文档星级：
全文阅读已结束，此文档不支持下载
该用户还上传了这些文档
利用SPSS 进行Logistic 回归分析
官方公共微信导读：如何用spss17.0进行二元和多元logistic回归分析，一、二元logistic回归分析，二元logistic回归分析的前提为因变量是可以转化为0、1的二分变量，下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回，但在后续分析中系统会将1，第二步：打开“二值Logistic回归分析”对话框：，沿着主菜单的“分析（Analyze）→回归（Regression）
如何用spss17.0进行二元和多元logistic回归分析
一、二元logistic回归分析
二元logistic回归分析的前提为因变量是可以转化为0、1的二分变量，如：死亡或者生存，男性或者女性，有或无，Yes或No，是或否的情况。
下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回归分析。
（一）数据准备和SPSS选项设置
第一步，原始数据的转化：如图1-1所示，其中脑梗塞可以分为ICAS、ECAS和NCAS三种，但现在我们仅考虑性别和年龄与ICAS的关系，因此将分组数据ICAS、ECAS和NCAS转化为1、0分类，是ICAS赋值为1，否赋值为0。年龄为数值变量，可直接输入到spss中，而性别需要转化为（1、0）分类变量输入到spss当中，假设男性为1，女性为0，但在后续分析中系统会将1，0置换（下面还会介绍），因此为方便期间我们这里先将男女赋值置换，即男性为“0”，女性为“1”。
第二步：打开“二值Logistic 回归分析”对话框：
沿着主菜单的“分析（Analyze）→回归（Regression）→二元logistic（Binary Logistic）”的路径（图1-2）打开二值Logistic 回归分析选项框（图1-3）。
如图1-3左侧对话框中有许多变量，但在单因素方差分析中与ICAS显著相关的为性别、年龄、有无高血压，有无糖尿病等（P&0.05），因此我们这里选择以性别和年龄为例进行分析。
在图1-3中，因为我们要分析性别和年龄与ICAS的相关程度，因此将ICAS选入因变量（Dependent）中，而将性别和年龄选入协变量（Covariates）框中，在协变量下方的“方法（Method）”一栏中，共有七个选项。采用第一种方法，即系统默认的强迫回归方法（进入“Enter”）。
接下来我们将对分类（Categorical），保存（Save），选项（Options）按照如图1-4、1-5、1-6中所示进行设置。在“分类”对话框中，因为性别为二分类变量，因此将其选入分类协变量中，参考类别为在分析中是以最小数值“0（第一个）”作为参考，还是将最大数值“1（最后一个）”作为参考，这里我们选择第一个“0”作为参考。在“存放”选项框中是指将不将数据输出到编辑显示区中。在“选项”对话框中要勾选如图几项，其中“exp(B)的CI(X)”一定要勾选，这个就是输出的OR和CI值，后面的95%为系统默认，不需要更改。
图1-4 分类 图1-5 保存 图1-6 选项
另外在“选项”对话框中，“输出”一栏中，系统默认为“在每个步骤中”，这里更改为“在最后一个步骤中”，即：输出结果将仅仅给出最终结果，而省略每一步的计算过程。由于我们采用强迫回归，逐步回归概率选项可以不管
此外还有一个选项需要说明。一是分类临界值（Classification cutoff），默认值为0.5，即按四舍五入的原则将概率预测值化为0 或者1。如果将数值改为0.6，则大于等于0.6 的概率值才表示为1，否则为0。其情况余依此类推。二是最大迭代值（Maximum Iterations），规定系统运算的迭代次数，默认值为20 次，为安全起见，我们将迭代次数增加到50。原因是，有时迭代次数太少，计算结果不能真正收敛。三是模型中包括常数项（Include constant in model），即模型中保留截距。除了迭代次数之外，其余两个选项均采用系统默认值。
完成后，点击各项中“继续（Continue）”按钮。返回图1-3，单击“确定”按钮。
（二）结果解读
其他结果参照文章《利用SPSS进行Logistic回归分析》中解读，这里重点将两点： 第一，分类变量编码（图1-7），由于这里包括性别分类变量，而我们对性别赋值为1和0，但在spss中系统会默认把我们的数值进行置换，即1→参数编码0，0→参数编码1，而最终输出结果是以1来计算的，而0为参考数据。所以这也就是为什么我么之前要对研究组男性的赋值进行置换了。如果男性为1那么spss中最终输出的将是女性的分析结果。
第二，最终输出数据（图1-8）在该结果中，Exp(B)即为文献中提及的OR值，而EXP(B)的95%C.I.即为文献中提及的CI值。其中Exp(B)表示某因素（自变量）内该类别是其相应参考类别具有某种倾向性的倍数。而有的文献中提到的Crode OR和Adjust OR则分别为单因素优势率（Crode odds ratio）和多因素优势率（Adjust odds ratio），即仅对性别单个变量的单因素分析或者对性别和年龄等多个变量进行多因素分析后所得到的不同结果。CI则为可信区间（Confidence interval）。Sig.即我们常说的P值，P&0.05为显著（无效假说不成立，具有统计学意义），P&0.05为不显著（无效假说成立，不具有统计学意义）。
二、多项（多元、多分类、Multinomial）logistic回归分析
前面讲的二元logistic回归分析仅适合因变量Y只有两种取值（二分类）的情况，当Y具有两种以上的取值时，就要用多项logistic回归（Mutinomial Logistic Regression）分析了。这种分析不仅可以用于医疗领域，也可以用于社会学、经济学、农业研究等多个领域。如不同阶段（初一、初二、初三）学生视力下降程度，不同龋齿情况（轻度、中度、重度）下与刷牙、饮食、年龄的关系等。
下面我们以图1-2中，对apoba1（ApoB/AI）项中数值做四分位数后，将病人的ApoB/AI的比值划分为低、较低、中、高四个分位后利用多项logistic回归分析其与ICAS之间的相互关系。
首先来做四分位数，很多人在做四分位数的时候都是自己算出来的，其实在SPSS里面给出了做四分位数的程度即分析（Aanlyze）→描述统计（Descriptive Statistics）→频率（Frequencies）。打如图2-1开频率对话框。将我们要分析的数值变量Apoba1选入到变量对话框中。
选择统计量，按照图2-2中勾选四分位数选项，其他选项按照自己需要勾选，然后点击图2-1中的确定按钮，开始运算。在图2-3中可以读取我们的四分位数
包含总结汇报、人文社科、IT计算机、外语学习、办公文档、经管营销、旅游景点、考试资料、行业论文、专业文献、教学教材以及如何用spss17.0进行二元和多元logistic回归分析等内容。本文共2页
相关内容搜索利用 SPSS 进行Logistic 回归分析（二元模型）入门
利用 SPSS 进行Logistic 回归分析现实中的很多现象可以划分为两种可能，或者归结为两种状态，这两种状态分别用0和1 表示。如果我们采用多个因素对0－1 表示的某种现象进行因果关系解释，就可能应用到logistic 回归。Logistic 回归分为二值logistic 回归和多值logistic 回归两类。首先用实例讲述二值logistic 回归，然后进一步说明多值logistic 回归。在阅读这部分内容之前，最好先看看有关SPSS 软件操作技术的教科书。&8.1 二值logistic 回归
8.1.1 数据准备和选项设置我们研究 2005 年影响中国各地区城市化水平的经济地理因素。城市化水平用城镇人口比重表征，影响因素包括人均GDP、第二产业产值比重、第三产业产值比重以及地理位置。地理位置为名义变量，中国各地区被分别划分到三大地带：东部地带、中部地带和西部地带。我们用各地区的地带分类代表地理位置。第一步：整理原始数据。这些数据不妨录入Excel 中。数据整理内容包括两个方面：一是对各地区按照三大地带的分类结果赋值，用0、1 表示，二是将城镇人口比重转换逻辑值，变量名称为&城市化&。以各地区2005 年城镇人口比重的平均值45.41%为临界值，凡是城镇人口比重大于等于45.41%的地区，逻辑值用Yes 表示，否则用No 表示（图8-1-1）
图 8-1-1 原始数据（Excel 中，局部）将数据拷贝或者导入 SPSS 的数据窗口（Data View）中（图8-1-2）。
图 8-1-2 中国31 个地区的数据（SPSS 中，局部）第二步：打开&聚类分析&对话框。沿着主菜单的&Analyze&Regression&Binary LogisticK&的路径（图8-1-3）打开二值Logistic 回归分析选项框（图8-1-4）。
图 8-1-3 打开二值Logistic 回归分析对话框的路径对数据进行多次拟合试验，结果表明，像二产比重、三产比重等对城市化水平影响不显著。至于反映地区位置的分类变量，不宜一次性的全部引入，至多引入两个，比方说东部和中部。通过尝试，发现引入中部地带为变量比较合适。因此，为了实例的典型性，我们采用两个变量作为自变量：一是数值变量人均GDP，二是分类变量中部地带。
图 8-1-4 Logistic 回归分析选项框第三步：选项设置。首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调入Dependent（因变量）和Covariates（协变量）列表框中（图8-1-5）。在本例中，将名义变量&城市化&调入Dependent（因变量）列表框，将&人均GDP&和&中部&调入Covariates（协变量）列表框中。在 Method（方法）一栏有七个选项。采用第一种方法，即系统默认的强迫回归方法（Enter）。
图 8-1-5 Logistic 回归分析的初步设置接下来进行如下 4 项设置：⒈ 设置 Categorical（分类）选项：定义分类变量（图8-1-6）。将中部调入 Categorical Covariates（分类协变量）列表框，其余选项取默认值即可。完成后，点击Continue 继续。
图 8-1-6 定义分类变量选项⒉ 设置 Save（保存）选项：决定保存到Data View 的计算结果（图8-1-7）。选中 Leverage values、Df
分享这篇日志的人也喜欢
丽江古城来玩啦
继续热舞继续嗨！
一点都不淑女
?新歌声学员冰棒?嗓子不适
热门日志推荐
人人最热标签
北京千橡网景科技发展有限公司：
文网文[号··京公网安备号·甲测资字
文化部监督电子邮箱：wlwh@··
文明办网文明上网举报电话： 举报邮箱：&&&&&&&&&&&&
请输入手机号，完成注册
请输入验证码
密码必须由6-20个字符组成
下载人人客户端
品评校花校草，体验校园广场}