发布时间:2021-04-15 16: 09: 04
二元变量是数据统计中常用的一种变量,这种变量只有两个可能:是和否,对于这种变量来说,一般是很难进行直接的线性或非线性回归分析的。这时要探究变量之间的关系,就需要用到二元回归分析。
接下来我们就通过一个简单的示例来介绍一下IBM SPSS Statistics中如何对二元变量进行回归分析。
一、概述
1.样本数据
这是一份肿瘤患者体内肿瘤情况的统计表,通过二元回归分析,我们可以拟合年龄、肿瘤大小和扩散等级这三个变量与“癌变部位的淋巴结是否含有癌细胞”的回归关系。
2.二元logistic回归
在“分析”菜单下,可以打开“回归”中的“二元logistic回归”分析,这是SPSS提供的专门用于二元回归的一种分析方法。
二、操作指南
1.变量设置
将“癌变部位的淋巴结是否含有癌细胞”作为因变量,将剩余三个变量移入“协变量”窗口。
下面的方法设置的是协变量的输入方式,默认的“输入”就是将变量全部输入,其他的方法是根据一些特定的方法向前或向后剔除变量后再输入,我们这里使用“输入”即可。
选择变量是用来设置筛选变量的,本数据样本中变量较少,所以不使用这个功能。
2.分类设置
分类窗口设置分类协变量,我们这里的分类变量是“肿瘤扩散等级”,选择“指示灯”对比方法,“最后一个”参考类别。
3.保存设置
这是IBM SPSS Statistics分析中较为常见的一个分析保存对话框,用户可以在其中设置要保存的预测值、影响和残差,在需要保存的项目前勾选复选框即可。
勾选概率、组成员、杠杆值、标准化和协方差矩阵。
4.选项设置
这个对话框设置统计图和步进概率,勾选分类图、霍斯默-莱梅肖拟合优度,在每个步骤输出。
步进概率中设置进入概率和删除概率,前者数值应小于后者,保持系统默认即可。
5.完成分析
在输出日志中查看最终的分析结果,SPSS会为用户提供模型的相关参数,包括个案统计、显著性参数、模型拟合度参数等,本例中的显著性系数均较小,拟合参数较大,因此对于这三个自变量来说,因变量与它们的拟合效果并不明显。
三、小结
以上就是我们要介绍的如何使用SPSS二元回归分析方法对二元变量进行拟合分析的案例分享了,希望可以对大家有所帮助!
更多软件资讯和案例分享欢迎进入IBM SPSS Statistics中文网站查看。
作者:参商
展开阅读全文
︾
读者也喜欢这些内容:
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。...
阅读全文 >
SPSS双因素方差分析数据录入 SPSS双因素方差分析多重比较
进行双因素方差分析时,数据录入和多重比较是两大难点,用户常常会对数据录入比较困惑,不确定如何分组以及定义变量名称,对于双因素方差分析中的多重比较结果也不能恰当的进行解读,如何进行SPSS双因素方差分析数据录入?SPSS双因素方差分析多重比较如何解读?本文结合实例,向大家做详细的解释。...
阅读全文 >
多元线性回归需要做哪些检验 多元线性回归分析步骤
多元线性回归是较为简单的回归分析,用以评价因变量与多个自变量之间是否存在简单线性关系,人工进行多元线性回归分析计算非常繁琐,借助统计分析软件则可以显著提高效率,如IBM SPSS Statistics,使用SPSS进行多元线性回归需要做哪些检验,多元线性回归分析步骤是怎样的,本文将向大家作简单介绍。...
阅读全文 >
逐步回归分析和多元线性回归的区别 SPSS逐步回归分析实例
将获取的全部样本点用一条光滑曲线连接起来,拟合这条曲线的方法有无数种,按照自变量的个数的多少,可分为一元回归分析和多元回归分析。按照变量之间的关系,可分为线性和非线性。逐步回归分析是多元线性回归分析的一种,本文就来谈谈逐步回归分析和多元线性回归的区别,SPSS逐步回归分析实例。...
阅读全文 >