參考鏈接：https://jingyan.baidu.com/article/597a064395087c312b524313.html

在回歸分析模型 Y=β0+β1X+ε（一元線性回歸模型）中，Y是被解釋變量，就稱為因變量。X是解釋變量，稱為自變量
。表示為：因變量Y隨自變量X的變化而變化。協(xié)變量是指那些人為很難控制的變量，通常在回歸分析中要排除這些因素對(duì)結(jié)果的影響。

“選擇變量”即是條件變量，并且有個(gè)條件定義按鈕（rule），通過這個(gè)按鈕可以給定一個(gè)條件，只有變量值滿足這個(gè)條件的樣本數(shù)據(jù)才參與回歸分析。

logistic回歸方法的選擇：輸入、向前、向后與條件、LR、Wald

http://www.datasoldier.net/archives/2023

當(dāng)自變量較少，且研究者希望考察所有自變量與因變量間關(guān)系時(shí)，可考慮使用Enter法，強(qiáng)迫所有自變量參與建模，而不考慮是否有顯著影響。

當(dāng)自變量較多，研究者希望軟件幫助篩選對(duì)因變量有顯著影響的自變量參與建模，此時(shí)，新手用戶可選擇【向前:LR】或【向前:條件】方式進(jìn)行l(wèi)ogistic逐步回歸建模。

模型摘要：一般用-2對(duì)數(shù)似然 體現(xiàn)模型的擬合度，一般這個(gè)-2對(duì)數(shù)似然越小說明模型擬合度越好

Hosmer and Lemeshow Test這是一個(gè)方程擬合度檢驗(yàn)，做的是虛無假設(shè)，假設(shè)擬合無偏差，查看sig值，如果是>0.05，說明應(yīng)該接受結(jié)果，即認(rèn)同擬合方程與真實(shí)的方程基本沒有偏差。

也就是說這個(gè)sig值越大越好。

方程式中的變量顯著性<0.05，說明這個(gè)變量進(jìn)入模型是有意義的。

如何判斷Logistic回歸中哪個(gè)自變量更重要?

轉(zhuǎn)載自：http://www.datasoldier.net/archives/tag/logistic%e5%9b%9e%e5%bd%92

在線性回歸中，SPSS軟件直接給出了各自變量的回歸系數(shù)以及對(duì)應(yīng)的標(biāo)準(zhǔn)化回歸系數(shù)，可根據(jù)后者比較各自變量對(duì)因變量的重要性，十分方便。

但是我們發(fā)現(xiàn)在logistic回歸中，SPSS軟件只給出了回歸系數(shù)而沒有提供標(biāo)準(zhǔn)化后的回歸系數(shù)，那么此時(shí)應(yīng)該如何判斷自變量的重要性呢？

logistic回歸中有一個(gè)非常重要的概念，叫做OR，通俗理解為解釋變量的危險(xiǎn)程度。我在比較各自變量（解釋變量）重要性時(shí)，首選使用OR值的大小對(duì)自變量進(jìn)行排序，

OR值越大說明對(duì)應(yīng)的自變量越是重要。

比如上面的例子。Exp（B）即OR值，用Exp（B）對(duì)3個(gè)自變量進(jìn)行排序，很顯然它們對(duì)目標(biāo)變量的影響重要性依次為“動(dòng)物脂肪攝入”> "高血脂史" > "A型性格" 。

這個(gè)辦法簡(jiǎn)單有效，我認(rèn)為最好是加個(gè)前提，logistic回歸模型對(duì)數(shù)據(jù)變異的擬合足夠優(yōu)秀，模型能通過統(tǒng)計(jì)檢驗(yàn)，樣本量的數(shù)量足夠多能支持這個(gè)結(jié)論的穩(wěn)定性。

此外，也可以考慮使用自變量wald檢驗(yàn)（瓦爾德）的顯著性p值來對(duì)自變量重要性進(jìn)行排序，經(jīng)驗(yàn)上它的結(jié)果和OR排序是一致的。

如何計(jì)算logistic 回歸的標(biāo)準(zhǔn)化回歸系數(shù)？

先用SPSS--分析--描述性統(tǒng)計(jì)---描述 得到各變量的標(biāo)準(zhǔn)（偏）差，然后用EXCEL計(jì)算，得到各變量的標(biāo)準(zhǔn)化回歸系數(shù)

總結(jié)

以上是生活随笔為你收集整理的二元逻辑回归的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。