SPSSModeler的Logistic分析1.读取数据以某校学生在校表现与就业情况汇总表（文件名为“原始数据.xlsx”）为例，将文件导
入到数据流中，读取文件。2.Logistic回归分析现实中的很多现象可以划分为两种可能，或者归结为两种状态，这两种状态分别用0和1
表示。如果我们采用多个因素对0-1表示的某种现象进行因果关系解释，就有可能应用到Logistic回归。在SPSSModeler中
，它通过建模选项卡中的Logistic节点来实现。2.Logistic回归分析对原始数据和模型分别进行设置2.Logistic
回归分析显示了logistic回归分析第一步时回归方程显著性检验的情况，各个数据项的含义依次是似然比卡方的观测值、自由度、概率-P
值。似然比卡方的观测值为26.138，概率-P值为0.000。如果显著性水平为0.05.由于概率-p值小于显著性水平，应拒绝0假设
，认为所有回归系数不同时为0，解释变量的全体和LogitP之间的线性关系显著，采用该模型是合理的。2.Logistic回归分析显
示了当前模型拟合优度方面的指标，各个数据项的含义依次为-2倍的对数似然值，Cox&SnellR2及NagelkerkeR2.
-2倍的对数似然值越小则拟合优度越高，该表值为97.682.NagelkerkeR2值接近0，拟合效果一般。2.Logist
ic回归分析模型的错判矩阵。可以看到：脚注的Thecutvalueis.500意味着，如果预测概率值大于0.5，则输出
变量的分类预测值为1，小于0.5为0。在就业的69人中，模型正确识别了60人，错误识别9人，正确率为87%。在没有就业的31人中
，模型正确识别17人，错误识别14人，正确率为54.8%。模型总的正确预测率为77%。因为预测概率值大于0.5，所以输出变量的分类
预测值为1.2.Logistic回归分析显示了模型中各个回归系数检验方面的指标，显著性水平为0.05，因为除绩点外的概率-P值都
大于显著性水平，不应该拒绝0假设。Thanks! |
|
