Logistik Reqressiya üçün SPSS Prosedurları

SPSS, logistik reqressiya üçün bir sıra prosedurlara malikdir.

Bəzi logistik reqressiya növləri birdən çox prosedurda işlədilə bilər. Bilinməyən bir səbəbdən, bəzi prosedurlar digərləri tərəfindən istehsal edilmir. Buna görə birdən çox istifadə etmək faydalıdır.

Logistika Reqressiyası

Logistik Regresiya yalnız ikili asılı dəyişənlər üçün istifadə edilə bilər. Sağdakı menyu seçimlərindən istifadə etməklə və ya LOJİSTİK REGRESSİYA sintaksis əmri ilə çağırıla bilər.

Asılı dəyişən lazımdır yalnız iki dəyərləri var. İkidən çox olan bir dəyişən təyin etsəniz, bir səhv alacaqsınız.

Bu prosedurun böyük bir üstünlüyü, bir anda bir qrup proqnozlaşdırıcıya girərək ardıcıl modellər qurmağa imkan verir.

LOJİSTİK REQRESİYA DƏYİŞƏCƏKLƏRİ BinaryDV

/METHOD = ENTER Factor Covariate1

/METHOD = ENTER Covariate2 Covariate3

/CONTRAST (Factor) = Göstərici.

Məsələn, bu sintaksisdən istifadə edərək, əslində eyni vaxtda Factor və Covariate1 adlı (müstəqil olaraq) iki müstəqil dəyişənə sahib iki modellə işləyirəm .

İkinci modeldə dörd müstəqil dəyişən var: Factor , Covariate1 , Covariate2 və Covariate3 .

Buna "İerarxik Reqressiya" deyilir (İerarxik Xətti Modellər və ya HLM ilə qarışdırılmamalıdır) və proqnozlaşdırıcılar əlavə edildikdə modelin uyğunluğunun və əmsallarının necə dəyişdiyini asanlıqla müqayisə etməyə imkan verir.

Logistic Regression yuxarıda göründüyü kimi komanda, Regression->Binary Logistic altında menyular vasitəsilə istinad edilir. (Ancaq sintaksisinizi yapışdırmağı unutmayın , buna görə də nə etdiyinizə dair bir qeydiniz var)!

PLUM, Polytomous Universal Model deməkdir. Bu, ağız dolusu bir şeydir, amma həqiqətən ikidən çox sifarişli kateqoriyaya malik kateqoriya nəticələr üçün modellərə aiddir.

Nəticə kateqoriyalarınız sifariş verilmirsə, PLUM istifadə etməyin . Kateqoriyaların sırasız olduğunu söyləmək üçün heç bir yol yoxdur və bunları məntiqi bir nizama salacaq.

PLUM OrdinalDV Covariate

/LINK = LOGIT

/PRINT = FIT PARAMETRA ÖZETİ İLƏ Faktorla .

Logistik Reqressiya modelləri ümumiləşdirilmiş xətti modellərin bir növüdür. PLUM , probit və pulsuz log log modelləri daxil olmaqla, sıravi nəticələr üçün 5 növ ümumiləşdirilmiş xətti modelə uyğun ola bilər.

LINK = logit əmri logistik modeli göstərir.

PLUM -dakı lojistik reqressiya modelləri nisbi nisbətli modellərdir. Bu o deməkdir ki, modellərin əmsalları hər aşağı kateqoriya ilə müqayisədə hər sifarişli kateqoriya üçündür və 4-cü kateqoriyanı 3-dən aşağıya və ya kateqoriyanı 3-dən 2-yə və ya aşağıdan müqayisə etməyinizdən asılı olmayaraq bahis nisbəti eynidir.

PLUM -un bu fərziyyənin ağlabatan olub olmadığını yoxlamaq üçün gözəl bir seçimi var. Bir çox məlumat dəstində belə deyil, buna görə də həmişə yoxlayın.

PLUM , yuxarıda göründüyü kimi, Reqressiya ->Ordinal menyusundan istifadə olunur.

NomReg

NomReg, nominal nəticələr üçün Multinomial Logistic Regression modellərinə uyğundur. Bu, ikidən çox sıralanmamış kateqoriya ilə nəticələr deməkdir.

İkili və sifarişli modellərdən fərqli olaraq, multinomial modellər də GenLin -də işlədilə bilməz (aşağıya baxın).

Covariate

/MODEL = Factor Covariate

/ INTERCEPT = INCLUDE

/PRINT = PARAMETRE SUMMARY LRT CPS STEP MFI ilə Faktor NOMREG MultinomialDV (BAZA = SON SİPARİŞ = ARTAN) .

Multinomial lojistik reqressiya modelləri eyni anda bir nəticə kateqoriyasının ehtimallarını bir referans kateqoriyası ilə müqayisə edən bir sıra ikili modelləri idarə edir.

NomReg -in bir gözəl xüsusiyyəti, BASE = seçimindən istifadə edərək (və ya menyulardakı "İstinad Kateqoriyası" düyməsini basaraq) nəticə kateqoriyalarından hər hansı birini istinad olaraq təyin edə bilərsiniz.

PLUM -da və bir çox digər SPSS prosedurlarında (GLM və Qarışıq kimi) olduğu kimi, NomReg -də də proqnozlaşdırıcıları BY seçimindən sonra (və ya menyu dialoqundakı Faktor qutusuna) yerləşdirməklə və ya İLƏ seçim (və ya menyu informasiya qutusundakı Covariates qutusunda).

Bu, kateqoriyalı proqnozlaşdırıcılar üçün saxta dəyişənlər yaratmağa çox vaxtınıza qənaət edə bilər.

GenLin

Yuxarıda qeyd edildiyi kimi, logistik reqressiya modelləri ümumiləşdirilmiş xətti modellərin bir növüdür.

Bu o deməkdir ki, GenLin prosedurundan ikili və sıravi logistik reqressiya modellərini işlətmək üçün istifadə edə bilərsiniz . Bununla birlikdə, sıralanmamış multinomial modelləri işləmir.

GenLin yalnız logistik baxımdan daha çox model işlədə bilər. Beləliklə, nəticənin paylanmasını binomial və ya multinomial olaraq təyin etməyinizi tələb edir (bunun üçün adi bir model işlədəcək) və logit bağlantı funksiyası.

GENLIN BinaryDV (REFERANS = SON) Covariate

/MODEL Faktoru ilə Covariate /MODEL Faktoru Covariate Factor*Covariate INTERCEPT

= BES DISTRIBUTION = BINOMIAL LINK = LOGIT

/PRINT CPS TƏSVİRİ TƏFVİF ETMƏK

Logistika və ya PLUM istifadə edə bilsəydiniz, niyə heç vaxt GenLin istifadə etməzdiniz?

GenLin müəyyən vəziyyətlərdə bir neçə üstünlüyə malikdir. Ümumiyyətlə istifadə etdiyim üçü burada.

1. GenLin, Events/Trials formatında ikili modellər işlədə bilər. Logistika bacarmır.

2. GenLin EMMeans-ı həm orijinal miqyasda (yəni ehtimallar), həm də çevrilmiş miqyasda (log-odds) çap edir.

Kateqoriyalı proqnozlaşdırıcılarınız varsa, bu böyük bir üstünlükdür. Bir və ya iki kateqoriyalı proqnozlaşdırıcıları reqressiya əmsallarından istifadə etməklə şərh etmək çətin deyil, ancaq bir çoxunuz varsa, bir predikatora görə bir çox kateqoriya varsa və ya aranızda qarşılıqlı əlaqə varsa, vasitələri şərh etmək çox daha asandır.

3. GenLin, Ümumiləşdirilmiş Qiymətləndirmə Tənliklərindən istifadə edərək təkrarlanan ölçü modellərini işlədə bilər. Yenə də, təkrarlanan bir dizayn dizaynınız varsa, bu yalnız bir üstünlük deyil, bir zərurətdir.