文档介绍：多项分类Logistic回归分析的功能与意义我们经常会遇到因变量有多个取值而且无大小顺序的情况,比如职业、婚姻情况等等,这时一般的线性回归分析无法准确地刻画变量之间的因果关系,需要用其它回归分析方法来进行拟合模型。SPSS的多项分类Logistic回归便是一种简便的处理该类因变量问题的分析方法。例子:下表给出了对山东省某中学20名视力低下学生视力监测的结果数据。试用多项分类Logistic回归分析方法分析视力低下程度(由轻到重共3级)与年龄、性别(1代表男性,2代表女性)之间的关系。山东省某中学20名学生视力监测结果数据编号视力低下程度性别年龄111152111532114422165321663217722178211891114103218111117121217131115142118151215161215173217181115191115202216    分析步骤:1、进入SPSS,打开“分析”|“回归”|“多项Logistic”命令。2、选择进行Logistic回归的变量。如下图所示对话框左侧的列表中,选中“视力低下程度”并单击向右的箭头按钮使之进入“因变量”列表框,选择“性别”使之进入“因子”列表框,选择“年龄”使之进入“协变量”列表框。 (,下载次数:47)下载附件2012-8-1323:20上传3、其它设置使用系统默认设置即可。4、设置完毕,单击“确定”按钮,等待输出结果。模型拟合信息模型模型拟合标准似然比检验-       似然比检验效应模型拟合标准似然比检验简化后的模型的-     参数估计听力低下程度aB标准误Walddf显著水平Exp(B)Exp(B)的置信区间95%-[性别=1]+++10[性别=2]0..0....-[性别=1]+++08[性别=2]0..0....          还是以教程“"数据为例,研究银行客户贷款是否违约(拖欠)的问题,数据如下所示:上面的数据是大约700个申请贷款的客户,我们需要进行随机抽样,来进行二元Logistic回归分析,上图中的“0”表示没有拖欠贷款,“1”表示拖欠贷款,接下来,步骤如下:1:设置随机抽样的随机种子,如下图所示:选择“设置起点”选择“固定值”即可,本人感觉200万的容量已经足够了,就采用的默认值,点击确定,返回原界面、2:进行“转换”—计算变量“生成一个变量(validate),进入如下界面:在数字表达式中,输入公式:(),这个表达式的意思为:,那么就为1,失败的话,就为"0"为了保持数据分析的有效性,对于样本中“违约”变量取缺失值的部分,validate变量也取缺失值,所以,需要设置一个“选择条件”点击“如果”按钮,进入如下界面:如果“违约”变量中,确实存在缺失值,那么当使用"missing”函数的时候,它的返回值应该为“1”或者为“true",为了剔除”缺失值“所以,结果必须等于“0“ 也就是不存在缺失值的现象 点击”继续“按钮,返回原界面,如下所示:将是“是否曾经违约”作为“因变量”拖入因变量选框,分别将其他8个变量拖入“协变量”选框内,在方法中,选择:“validate"拖入"选择变量“框内,并点击”规则“设置相应的规则内容,如下所示:设置validate值为1,此处我们只将取值为1的记录纳入模型建立过程,其它值(例如:0)将用来做结论的验证或者预测分析,当然你可以反推,采用0作为取值记录点击继续,返回,再点击“分类”按钮,进入如下页面在所有的8个自变量中,只有“教育水平”这个变量能够作为“分类协变量”因为其它变量都没有做分类,本例中,教育水平分为:初中,高中,大专,本科,研究生等等, 参考类别选择:“最后一个”  在对比中选择“指示符” 点击继续按