SPSS二元Logistic回归

简介: SPSS二元Logistic回归

前言:

本专栏参考教材为《SPSS22.0从入门到精通》,由于软件版本原因,部分内容有所改变,为适应软件版本的变化,特此创作此专栏便于大家学习。本专栏使用软件为:SPSS25.0

本专栏所有的数据文件请点击此链接下载:SPSS数据分析专栏附件


1.二元Logistic回归

二元 Logistic 回归是一种广泛应用于分类问题的回归分析方法。它适用于因变量是二元(只有两个离散取值)的情况,如是/否、成功/失败等。

在二元 Logistic 回归中,我们使用一个 S 形曲线称为“逻辑函数”(logistic function)来建立自变量和因变量之间的关系。逻辑函数将连续的自变量值映射为一个处于[0, 1]之间的概率值。

二元 Logistic 回归的模型形式可以表示为:

  P(Y=1|X) = 1 / (1 + exp(-z))

其中,P(Y=1|X) 表示在给定自变量 X 的条件下因变量 Y=1 的概率。z 表示一个线性组合(z = β0 + β1X1 + β2X2 + ... + βnXn),其中 β0, β1, β2, ..., βn 是回归系数。

根据给定的数据,使用最大似然估计等方法来估计回归系数,使得模型能够最好地拟合观测到的数据。

需要注意的是,二元 Logistic 回归在应用时也有一些假设,如线性关系的假设、自变量的独立性等。同时,对于非线性关系,可能需要考虑多项式项或交互项来更好地拟合数据。

2.SPSS实现

(1)打开“data-09-04”数据文件,选择“分析”——“回归”——“二元Logistic”,弹出如图所示的对话框。

(2) 按照下图把左侧的变量选到右侧。

(3)单击“分类”按钮,弹出下图所示的对话框,然后将“肿瘤扩散等级”移到右侧,其他选项默认,单击继续返回主对话框。

(4)单击“保存”按钮,弹出“Logistic回归:保存”对话框,按照下图选择对应选项,然后单击继续返回主对话框。

(5)单击“选项”按钮,弹出“Logistic回归:选项”对话框,按照下图选择对应选项,然后单击继续返回主对话框。

(6)完成所有设置,单击确定。

3.结果分析

目录
相关文章
|
6月前
|
机器学习/深度学习
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析(下)
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析
|
3月前
|
数据挖掘
R语言方差分析(ANOVA):理解与应用
【8月更文挑战第31天】ANOVA是一种强大的统计方法,用于比较三个或更多组之间的均值差异。在R语言中,我们可以轻松地使用`aov()`函数进行ANOVA分析,并通过后置检验(如TukeyHSD检验)来进一步分析哪些组之间存在显著差异。ANOVA在多个领域都有广泛的应用,是数据分析中不可或缺的工具之一。
|
6月前
使用R语言进行多项式回归、非线性回归模型曲线拟合
使用R语言进行多项式回归、非线性回归模型曲线拟合
|
6月前
R语言ISLR工资数据进行多项式回归和样条回归分析2
R语言ISLR工资数据进行多项式回归和样条回归分析
R语言ISLR工资数据进行多项式回归和样条回归分析2
|
6月前
|
数据建模 数据挖掘
R语言使用二元回归将序数数据建模为多元GLM
R语言使用二元回归将序数数据建模为多元GLM
|
6月前
|
数据可视化
R语言多项式回归拟合非线性关系
R语言多项式回归拟合非线性关系
R语言多项式回归拟合非线性关系
|
6月前
|
机器学习/深度学习 算法
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析(上)
R语言自适应LASSO 多项式回归、二元逻辑回归和岭回归应用分析
|
6月前
R语言ISLR工资数据进行多项式回归和样条回归分析11
R语言ISLR工资数据进行多项式回归和样条回归分析
|
6月前
R语言多项式线性模型:最大似然估计二次曲线
R语言多项式线性模型:最大似然估计二次曲线
|
6月前
|
人工智能
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归