SPSS有话说：二元logistic回归

洪梅6jraxg3utr 2019-08-23

展开全文

线性回归的因变量Y必须为连续变量，但当我们研究的因变量为分类变量时，因为不再是随机变量，不符合正态分布，因此不能采用线性回归，此时应该使用Logistic回归。

SPSS有话说

概述

Logistic回归分析也用于研究变量之间的影响关系，即X对Y的影响情况，此处涉及的Y是分类数据。结合Y的具体情况，Logistic回归分析可以分为三种，分别是二元Logistic回归、多元无序Logistic回归和多元有序Logistic回归。Logistic回归分析的分类情况如下图：

如果因变量Y仅有两个类别，分别是有无之类的分类数据，则属于二元Logistic回归分析。如果因变量Y有两个以上的类别，并且类别之间没有高低、顺序关系，比如血型“A型、B型、AB型和O型”，则可以使用多元无序Logistic回归分析。如果因变量Y的类别有两个以上的类别，并且类别之间有高低、顺序关系，如伤痛级别“轻度、中度、重度”，则可以使用多元有序Logistic回归分析

问卷研究中，二元Logistic回归使用频率最高，该方法简单易懂，多元无序Logistic回归和多元有序Logistic回归则相对复杂。本次仅对二元Logistic回归进行说明。

特别提示

在进行二元Logistic回归（包括其他Logistic回归）分析前，建议先通过单因素分析（t检验、卡方检验等）考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再进行多因素分析，这样可以保证结果更加可靠。同时为了防止一些有意义的自变量被单因素分析剔除，单因素分析时将检验水准设为P<0.01，只要小于0.01，就认为有意义，然后进行多因素分析。

操作步骤

问题：性别、学历、独生子女对去新疆就业意愿的影响？

性别：1=男，2=女；

学历：1=研究生，2=本科生；

独生子女：1=是，2=否；

就业意愿：1=愿意，0=不愿意。

（一）单击“分析” “回归” “二元logistic”

（二）选入相应的因变量和自变量，如图所示。

（三）单击“分类”，将各分类变量选入“分类协变量”框中，将参考类别选中“第一个”，单击“更改”。

注：在参考类别的右侧选择First（表示选择变量COPD中，赋值最小的，即“0”作为参照。如果选择Last则表示以赋值最大的作为参照）。

（四）单击“选项”，勾选“Hosmer-Lemeshow拟合度”和“exp”（OR值），继续。

结果解释

①该结果显示各变量的编码情况。

②模型系数的Omnibus检验表明该模型总体有意义，R平方值越接近1，回归模型拟合越好。

③“Hosmer-Lemeshow”检验，sig=0.443>0.05，即模型拟合优度较高。

④该结果显示，学历（P<0.01，OR=1.684）、独生子女（P=<0.01，OR=0.599）纳入模型中有统计学意义，性别（P>0.05）无统计学意义；常量，即截距，在模型中无实际意义。根据上述的结果，研究生的就业意愿是本科生的1.684倍，非独生子女的就业意愿是独生子女的1.669倍(1/0.599)。