spss中的多元logistic回归中的协变量是啥意思

Posted 2023-02-21

 因子是分组的意思。logit回归就是将自变量拉入协变量里的。

logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释，多类可以使用softmax方法进行处理。实际中最为常用的就是二分类的logistic回归。

发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因，是发生和未发生的概率成为了比值 ，这个比值就是一个缓冲，将取值范围扩大，再进行对数变换，整个因变量改变。

不仅如此，这种变换往往使得因变量和自变量之间呈线性关系，这是根据大量实践而总结。所以，Logistic回归从根本上解决因变量要不是连续变量怎么办的问题。还有，Logistic应用广泛的原因是许多现实问题跟它的模型吻合。例如一件事情是否发生跟其他数值型自变量的关系。

扩展资料

1、首先，导入测试数据到SPSS，点左上角：文件-打开-数据。

2、然后依次点击图示菜单栏上的分析-回归-多项Logistic。

3、接着，我们把左侧框内的变量拖入到右侧的因变量、因子和协变量框内。

4、需要注意区别因变量和协变量的区别，因子一般是分类变量（名义变量），协变量是连续性变量。在图示的度量标准中即可看到。

5、接着，依次设置多项逻辑回归的模型、统计量、条件、选项和保存。

6、设置好后，按下确定即可得到多项Logistic回归的模型汇总、检验信息等。

参考资料来源：百度百科-logistic回归

参考技术A spss中的多元logistic回归中的协变量定义：
在实验的设计中，协变量是一个独立变量（解释变量），不为实验者所操纵，但仍影响实验结果。
协变量是指那些人为很难控制的变量，通常在回归分析中要排除这些因素对结果的影响。
“选择变量”即是条件变量，并且有个条件定义按钮（rule），通过这个按钮可以给定一个条件，只有变量值满足这个条件的样本数据才参与回归分析。
协变量（covariate）在心理学、行为科学中，是指与因变量有线性相关并在探讨自变量与因变量关系时通过统计技术加以控制的变量。 参考技术B 在回归分析模型 Y=β0+β1X+ε（一元线性回归模型）中，Y是被解释变量，就称为因变量。X是解释变量，称为自变量。表示为：因变量Y随自变量X的变化而变化。协变量是指那些人为很难控制的变量，通常在回归分析中要排除这些因素对结果的影响。
知道哩以前有人问过同样的问题，希望对你有帮助！追问

那logistic里的因子的意思就是自变量吗？？为什么我把自变量输入到协变量里就出结果呢？输入到因子里就很奇怪。。。

追答

你说的太不明确了，能贴出模型么，或者简要的说一下要证明的东西，我帮你分析一下

参考技术C 就是协同作用的变量，但不是主要研究的变量，要控制住的 参考技术D 因子是分组的意思，logit回归就是将自变量拉入协变量里的，回归控制，你可以看下协方差分析里的协变量用回归控制不同

SPSS二元logistics回归结果分析

数据有问题吗？怎么小于0.05的这么少？要怎么分析啊！！

Logistic回归：主要用于因变量为分类变量（如疾病的缓解、不缓解，评比中的好、中、差等）的回归分析，自变量可以为分类变量，也可以为连续变量。

变量为二分类的称为二项logistic回归，因变量为多分类的称为多元logistic回归。Odds：称为比值、比数，是指某事件发生的可能性(概率)与不发生的可能性（概率）之比。OR（OddsRatio）：比值比，优势比。

SPSS功能：

一、集数据录入、资料编辑、数据管理、统计分析、报表制作、图形绘制为一体。从理论上说，只要计算机硬盘和内存足够大，SPSS可以处理任意大小的数据文件，无论文件中包含多少个变量，也不论数据中包含多少个案例。

二、统计功能囊括了《教育统计学》中所有的项目，包括常规的集中量数和差异量数、相关分析、回归分析、方差分析、卡方检验、t检验和非参数检验。

参考技术A 1. Logistic回归简介
Logistic回归：主要用于因变量为分类变量（如疾病的缓解、不缓解，评比中的好、中、差等）的回归分析，自变量可以为分类变量，也可以为连续变量。因变量为二分类的称为二项logistic回归，因变量为多分类的称为多元logistic回归。
Odds：称为比值、比数，是指某事件发生的可能性(概率)与不发生的可能性（概率）之比。
OR（Odds Ratio）：比值比，优势比。
2.SPSS中做Logistic回归的操作步骤
分析>回归>二元Logistic回归
选择因变量和自变量（协变量）
3.结果怎么看
一些指标和数据怎么看
“EXP(B)”即为相应变量的OR值（又叫优势比，比值比），为在其他条件不变的情况下，自变量每改变1个单位，事件的发生比“Odds”的变化率。
伪决定系数cox & Snell R2和Nagelkerke R2，这两个指标从不同角度反映了当前模型中自变量解释了因变量的变异占因变量总变异的比例。但对于Logistic回归而言，通常看到的伪决定系数的大小不像线性回归模型中的决定系数那么大。
预测结果列联表解释，看”分类表“中的数据，提供了2类样本的预测正确率和总的正确率。
建立Logistic回归方程
logit（P）=β­0+β1*X1+β2*X2+……+βm*Xm
4.自变量的筛选方法和逐步回归
与线性回归类似，在Logistic回归中应尽量纳入对因变量有影响作用的变量，而将对因变量没有影响或影响较小的变量排除在模型之外。
①.Wald检验：Wals是一个统计量，用检验自变量对因变量是否有影响的。它越大，或者说它对应的sig越小，则影响越显著。
②.似然比检验（Likelihood Ratio
Test）：Logistic模型的估计一般是使用极大似然法，即使得模型的似然函数L达到最大值。-2lnL被称为Diviance，记为D。L越大，则D越大，模型预测效果越好。似然比检验是通过比较是否包含某个或几个参数β的多个模型的D值。
③.比分检验（Score Test）
以上三种假设检验中，似然比检验是基于整个模型的拟合情况进行的，结果最为可靠；比分检验结果一般与似然比检验结果一致。最差的就是Wald检验，它考虑各因素的综合作用，当因素间存在共线性的时候，结果不可靠。故在筛选变量时，用Wald法应慎重。
SPSS中提供了六种自变量的筛选方法，向前法（Forward）和向后法（Backward）分别有三种。基于条件参数估计和偏最大似然估计的筛选方法都比较可靠，尤以后者为佳。但基于Wald统计量的检验则不然，它实际上未考虑各因素的综合作用，当因素间存在共线性时，结果不可靠，故应当慎用。
5.模型效果的判断指标
①.对数似然值与伪决定系数
Logistic模型是通过极大似然法求解的，极大似然值实际上也是一个概率，取值在0～1之间。取值为1，代表模型达到完美，此时其对数值为0；似然值越小，则其对数值越负，因此－2倍的对数似然值就可以用来表示模型的拟合效果，其值越小，越接近于0，说明模型拟合效果越好。
②.模型预测正确率
对因变量结局预测的准确程度也可以反映模型的效果，SPSS在Logistic回归过程中会输出包含预测分类结果与原始数据分类结果的列联表，默认是按照概率是否大于0.5进行分割。
③.ROC曲线
ROC曲线即受试者工作特征曲线（Receiver
Operating Characteristic Curve），或译作接受者操作特征曲线。它是一种广泛应用的数据统计方法，1950年应用于雷达信号检测的分析，用于区别“噪声”与“信号”。在对Logistic回归模型拟合效果进行判断时，通过ROC曲线可直接使用模型预测概率进行。应用ROC曲线可帮助研究者确定合理的预测概率分类点，即将预测概率大于（或小于）多少的研究对象判断为阳性结果（或阴性结果）。ROC曲线，预测效果最佳时，曲线应该是从左下角垂直上升至顶，然后水平方向向右延伸到右上角。如果ROC曲线沿着主对角线方向分布，表示分类是机遇造成的，正确分类和错分的概率各为50％，此时该诊断方法完全无效。 参考技术B 你做的什么，怎么这么多变量，自变量要筛选的，p为0.808都在里面，无语了。追问

哦哦 那怎么筛选啊？

追答

下面不是有个method(方法),这个就是变量筛选方法。

本回答被提问者和网友采纳 参考技术C 你在瞎做啊，不是这么做的