1樓：雞仔
是否有統計學意義主要看sig 如果這個值小於0.05那麼就是相關的，在此基礎上看第一列b值，負號代表負相關。你的例子中性別不對因變數產生影響。
spss的二元logistic 回歸分析中，怎樣判斷兩個變數之間是否有關係 如下圖 幫我分析一下，告訴我分析步驟 10
2樓：e團
sig值表示wals檢驗的顯來著性水平
wals=（b/s.e.）^2
你這源個表應該漏了個r值，r是偏相關係數，可以描述變數與模型的相關性不過你要看這兩個變數的相關性可以直接用相關分析至於分析，主要看引數顯著性，引數符號，大小，解釋自變數對因變數的意義
如何用spss做二元logistic回歸分析
3樓：匿名使用者
可以使用spssau的二元logit，拖拽分析項即可得到標準格式結果。
spss二元logistic回歸分析，結果如下，變數係數怎麼看，或者回歸方程序什麼？
4樓：匿名使用者
很遺憾的告訴你，你這研究失敗了
二元logistic回歸分析，應該說所有回歸分析，最重要的係數是sig，或者平時我們叫p值，需要小於0.05才能說明有顯著性影響，你這個所有p值高的接近1，都是毫無意義的資料
置於你說的回歸方程問題，回歸係數一般是b值，不過logistic回歸分析是對數分析法，所以一般看exp（b），也就是我們所說的or值
5樓：匿名使用者
你這全是亂作的，怎麼寫啊
找我專業資料分析
6樓：匿名使用者
不會做就別亂做
我經常幫別人做這類的資料分析的
關於spss二元logistic回歸分析，如果自變數也有分類變數，應該怎麼操作？
7樓：呂秀才
自變數是二分類 不影響 你任何操作，直接把二分類自變數也移入自變數框就可以了。
只有當自變數的類別超過兩類時 才需要預先設虛擬變數
如何用spss17.0進行二元和多元logistic回歸分析
8樓：匿名使用者
可以使用spssau的二元logit和多分類logit，拖拽分析項即可得到標準格式結果。
9樓：雪v歌
分析--回歸--二元logistic--對因變數和協變數進行定義 注意：分類--對協變數進行更改對比設定。 選項內--輸出可以選擇在最後乙個容步驟中及對其他要求的設定--繼續 最後點確定即可。
多元logistic類似上面，對想要的結果進行設定就好。
spss二元logistics回歸結果分析
10樓：風花樹
1. logistic回歸簡介
logistic回歸：主要用於因變數為分類變數（如疾病的緩解、不緩解，評比中的好、中、差等）的回歸分析，自變數可以為分類變數，也可以為連續變數。因變數為二分類的稱為二項logistic回歸，因變數為多分類的稱為多元logistic回歸。
odds：稱為比值、比數，是指某事件發生的可能性(概率)與不發生的可能性（概率）之比。
or（odds ratio）：比值比，優勢比。
2.spss中做logistic回歸的操作步驟
分析》回歸》二元logistic回歸
選擇因變數和自變數（協變數）
3.結果怎麼看
一些指標和資料怎麼看
「exp(b)」即為相應變數的or值（又叫優勢比，比值比），為在其他條件不變的情況下，自變數每改變1個單位，事件的發生比「odds」的變化率。
偽決定係數cox & snell r2和nagelkerke r2，這兩個指標從不同角度反映了當前模型中自變數解釋了因變數的變異佔因變數總變異的比例。但對於logistic回歸而言，通常看到的偽決定係數的大小不像線性回歸模型中的決定係數那麼大。
**結果列聯表解釋，看」分類表「中的資料，提供了2類樣本的**正確率和總的正確率。
建立logistic回歸方程
logit（p）=β0+β1*x1+β2*x2+……+βm*xm
4.自變數的篩選方法和逐步回歸
與線性回歸類似，在logistic回歸中應盡量納入對因變數有影響作用的變數，而將對因變數沒有影響或影響較小的變數排除在模型之外。
①.wald檢驗：wals是乙個統計量，用檢驗自變數對因變數是否有影響的。它越大，或者說它對應的sig越小，則影響越顯著。
②.似然比檢驗（likelihood ratio
test）：logistic模型的估計一般是使用極大似然法，即使得模型的似然函式l達到最大值。-2lnl被稱為diviance，記為d。
l越大，則d越大，模型**效果越好。似然比檢驗是通過比較是否包含某個或幾個引數β的多個模型的d值。
③.比分檢驗（score test）
以上三種假設檢驗中，似然比檢驗是基於整個模型的擬合情況進行的，結果最為可靠；比分檢驗結果一般與似然比檢驗結果一致。最差的就是wald檢驗，它考慮各因素的綜合作用，當因素間存在共線性的時候，結果不可靠。故在篩選變數時，用wald法應慎重。
spss中提供了六種自變數的篩選方法，向前法（forward）和向後法（backward）分別有三種。基於條件引數估計和偏最大似然估計的篩選方法都比較可靠，尤以後者為佳。但基於wald統計量的檢驗則不然，它實際上未考慮各因素的綜合作用，當因素間存在共線性時，結果不可靠，故應當慎用。
5.模型效果的判斷指標
①.對數似然值與偽決定係數
logistic模型是通過極大似然法求解的，極大似然值實際上也是乙個概率，取值在0～1之間。取值為1，代表模型達到完美，此時其對數值為0；似然值越小，則其對數值越負，因此－2倍的對數似然值就可以用來表示模型的擬合效果，其值越小，越接近於0，說明模型擬合效果越好。
②.模型**正確率
對因變數結局**的準確程度也可以反映模型的效果，spss在logistic回歸過程中會輸出包含**分類結果與原始資料分類結果的列聯表，預設是按照概率是否大於0.5進行分割。
③.roc曲線
roc曲線即受試者工作特徵曲線（receiver
operating characteristic curve），或譯作接受者操作特徵曲線。它是一種廣泛應用的資料統計方法，2023年應用於雷達訊號檢測的分析，用於區別「雜訊」與「訊號」。在對logistic回歸模型擬合效果進行判斷時，通過roc曲線可直接使用模型**概率進行。
應用roc曲線可幫助研究者確定合理的**概率分類點，即將**概率大於（或小於）多少的研究物件判斷為陽性結果（或陰性結果）。roc曲線，**效果最佳時，曲線應該是從左下角垂直上公升至頂，然後水平方向向右延伸到右上角。如果roc曲線沿著主對角線方向分布，表示分類是機遇造成的，正確分類和錯分的概率各為50％，此時該診斷方法完全無效。
11樓：匿名使用者
你在瞎做啊，不是這麼做的
12樓：stop華崽
你做的什麼，怎麼這麼多變數，自變數要篩選的，p為0.808都在裡面，無語了。
請問如何利用spss做多變數二元logistic回歸分析
spss二元logistic回歸分析，結果如下，變數係數怎麼
很遺憾的告訴你，你這研究失敗了 二元logistic回歸分析，應該說所有回歸分析，最重要的係數是sig，或者平時我們叫p值，需要小於0.05才能說明有顯著性影響，你這個所有p值高的接近1，都是毫無意義的資料 置於你說的回歸方程問題，回歸係數一般是b值，不過logistic回歸分析是對數分析法，所以一...
spss的二元logistic 回歸分析中，怎樣判斷兩個變數
sig值表示wals檢驗的顯來著性水平 wals b s.e.2 你這源個表應該漏了個r值，r是偏相關係數，可以描述變數與模型的相關性不過你要看這兩個變數的相關性可以直接用相關分析至於分析，主要看引數顯著性，引數符號，大小，解釋自變數對因變數的意義 關於spss二元logistic回歸分析，如果自變...
spss的多分類logistic回歸分析中得到的自變數（也是
多分類的logit比較難解釋，要根據參考來講的 統計專業研究生工作室為您服務 有序多分類logistic回歸分析怎樣篩選自變數 1 首先indicator last的最後乙個類別為參照類，其餘每一類與參照模擬較 引數編碼下的 1 2 3 4 表示4個啞變數，1 表示器官衰竭數為0的水平與參照類 最後...