logistics回归分析 logistic回归分析的应用
一、单因素logistic回归的意义
单因素logistic回归对许多不同的领域具有重要的意义,比如医学、社会科学、经济学等,帮助人们更好地探究解释变量与响应变量之间的关系,为后续研究提供切入点,还可以对患病率进行可靠地预测和管理。
二、Logit、Logist和Logistic回归有什么不同
一、意思不同
logistic回归是概率模型,非线性表达式,其线性表达式即logit回归。logistic回归计算的是P,而logit回归计算的是logit(p)。logistic属于概率型非线性回归,是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。
二、参照不同
Logit是把其中的一种选择作为另一种选择的参照,而Logistic是把一件事不发生作为这件事发生的参照。模型上完全一致。只不过由于Logit选取了一种选择项作为参照,因此在模型中的一个参数对应两个变量,分别对应两种选择项。而Logistic由于参照对象是事件的不发生,即事件自身,因此一个参数只对应一个变量。但是本质完全一样。
三、模式不同
Logit模型的左侧是Odds的对数,而Logistic模型的左侧是概率。
Logit模型的右侧是一个线性结构,而Logistic模型的右侧是非线性的。
三、logistic回归分析结果怎么看
可以使用在线spss平台SPSSAU进行分析,格式更加易理解,分析结果如下:
第一:对模型整体情况进行说明,比如对R方值进行描述,以及列出模型公式。
第二:逐一分析X对于Y(相对于的对比项)影响情况;如果X对应的P值小于0.05则说明X会对Y(相对于的对比项)产生影响关系,此时可结合OR值进一步分析影响幅度。
第三:总结分析结果。以及可结合输出的智能文字分析,进行解读。