SPSSS实操:非条件Logistic回归之有序
发布网友
发布时间：2024-10-21 17:21
共1个回答
热心网友
时间：2024-11-10 23:44
logistic回归是一种广义的线性回归分析模型，适用于数据挖掘、疾病自动诊断、经济预测等领域，如探讨疾病诱因、客户商品购买意愿、借款人违约风险等。
有序logistic回归关注的是多分类定类数据，具有三个或更多分类水平，且这些分类有序，例如：年级、满意度等。
当因变量为具有多个分类水平且有序的数据时，可以构建累计logistic模型，通过拟合因变量水平数减一的logistic回归模型实现。此模型实质上是将因变量按不同取值水平依次分割为两个等级，并分别建立二分类的logistic回归模型。
有序logistic回归需满足的前提条件包括：数据类型要求（因变量为有序多分类变量，自变量为分类或连续变量，协变量为分类变量），以及假设模型中自变量系数保持不变，仅常数项（比例优势）发生变化。
可通过平行线检验确认模型假设是否满足。这一检验在进行有序logistic回归分析时即可直接完成，无需额外检验。
应用场景包括：多分类因变量且类别之间具有比较大小或程度高低的关系，与自变量之间的关联性分析。例如，探讨收入水平（底、中、高）与性别、学历之间的关系，同时考虑年龄作为控制变量。
使用SPSS进行有序logistic回归分析的步骤如下：
①选择“分析-回归-有序”。
②添加变量，考虑多个协变量时需进行标准正态变换。
③设置参数，勾选“输出”中“平行线检验”，保持其他选项默认设置。
④查看输出结果，重点关注平行线检验结果、模型拟合信息、拟合优度检验、伪R方表以及多分类logistic回归参数。
SPSS输出中，需关注的表包括：平行线检验结果、模型拟合信息（-2对数似然值降低表示模型改善）、模型的显著性（＜0.05表示模型具有统计学意义）、拟合优度检验（卡方和偏差卡方不如似然比检验稳健）、伪R方值（应用有限，不需关注）、多分类logistic回归参数（临界值、位置估计、标准误、置信区间、wald检验结果）。
在分析结果时，可计算自变量参数估计值（即β值）对应的相对风险比（OR）值。例如，若“性别”的P值小于0.05，表明存在统计学意义，且OR值为1.42，意味着男性比女性收入水平提升一个等级的可能性增加1.42倍；“学历”方面，若OR值为6.67，表示研究生的收入水平升一个等级的可能性是大专学历的个体的6.67倍。
