文档介绍：SPSS—二元Logistic回归结果分析2011-12-0216:48      身心疲惫,睡意连连,头不断往下掉,拿出耳机,听下歌曲,缓解我这严重的睡意吧!今天来分析二元Logistic回归的结果分析结果如下:1:在“案例处理汇总”中可以看出:选定的案例489个,未选定的案例361个,这个结果是根据设定的validate=1得到的,在“因变量编码”中可以看出“违约”的两种结果“是”或者“否”分别用值“1“和“0”代替,在“分类变量编码”中教育水平分为5类,如果选中“为完成高中,高中,大专,大学等,其中的任何一个,那么就取值为1,未选中的为0,如果四个都未被选中,那么就是”研究生“频率分别代表了处在某个教育水平的个数,总和应该为489个1:在“分类表”中可以看出:预测有360个是“否”(未违约)有129个是“是”(违约)2:在“方程中的变量”表中可以看出:最初是对“常数项”记性赋值,B为-,标准误差为:=(B/)²=(-)²=,跟表中的“,是因为我对数据进行的向下舍入的关系,所以数据会稍微偏小,B和Exp(B)是对数关系,将B进行对数抓换后,可以得到:Exp(B)=e^-=, 其中自由度为1,,非常显著1:从“不在方程中的变量”可以看出,最初模型,只有“常数项”被纳入了模型,其它变量都不在最初模型内表中分别给出了,得分,df, Sig三个值, 而其中得分(Score)计算公式如下: (公式中(Xi-X¯)少了一个平方)下面来举例说明这个计算过程:(“年龄”自变量的得分为例)   从“分类表”中可以看出:有129人违约,违约记为“1”  则违约总和为129,选定案例总和为489那么:y¯=129/489=           x¯=16951/489=:∑(Xi-x¯)²=         y¯(1-y¯)= *(1-)=:y¯(1-y¯)* ∑(Xi-x¯)²=*=:[∑Xi(yi-y¯)]^2= 所以:===(四舍五入) 计算过程采用的是在EXCEL里面计算出来的,截图如下所示: 从“不在方程的变量中”可以看出,年龄的“得分”,刚好跟计算结果吻合!!答案得到验证~!!!! 1:从“块1”中可以看出:采用的是:向前步进的方法,在“模型系数的综合检验”表中可以看出:所有的SIG几乎都为“0”  而且随着模型的逐渐步进,卡方值越来越大,说明模型越来越显著,在第4步后,终止, 根据设定的显著性值和 自由度,可以算出卡方临界值,公式为:=CHIINV(显著性值,自由度) ,放入excel就可以得到结果2:在“模型汇总“中可以看出:Cox&SnellR方 和NagelkerkeR方拟合效果都不太理想,最终理想模型也才:,最大似然平方的对数值都比较大,明显是显著的似然数对数计算公式为:计算过程太费时间了,我就不举例说明计算过程了Cox&SnellR方的计算值 是根据:1:先拟合不包含待检验因素的Logistic模型,求对数似然函数值INL0        (指只包含“常数项”的检验)2:再拟合包含待检验因素的Logistic模型,求新的对数似然函数值InLB     (包含自变量的检验) 再根据公式:       即可算出:Cox&SnellR方的值!  提示: 将Hosmer和Lemeshow检验和“随机性表”结合一起来分析1:从 Hosmer和Lemeshow检验表中,可以看出:经过4次迭代后,最终的卡方统计量为:,而临界值为:CHINV(,8)=<临界值,从SIG角度来看:>,说明模型能够很好的拟合整体,不存在显著的差异。2:从Hosmer和Lemeshow检验随即表中可以看出:”观测值“和”期望值“几乎是接近的,不存在很大差异,说明模型拟合效果比较理想,印证了“Hosmer和Lemeshow检验”中的结果而“Hosmer和Lemeshow检验”表中的“卡方”统计量,是通过“Hosmer和Lemeshow检验随即表”中的数据得到的(即通过“观测值和”预测值“)得到的,计算公式如下所示:x²(卡方统计量)= ∑(观测值频率-预测值频率)^2/预测