編隊, 科學
Logistic回歸：模型和方法
и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistic回歸和判別分析是指使用時，必須明確區分受訪者有針對性的類別。 此外，這些基團是單一的單變量參數的水平。 а также выясним, для чего она нужна. 考慮進一步的詳細邏輯回歸模型，以及找出這是什麼的。
概觀
, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. 該問題的一個例子，其中使用邏輯回歸的溶液，可以是通過團購受訪與不買芥末的分類。 分化是根據社會人口特徵進行。 這些措施包括，特別是，包括年齡，性別，家庭成員人數，收入等。有標準來區分，並在操作中的變量。 後者編碼目標類別，事實上，需要劃分的受訪者。
細微之處
, значительно уже, чем для дискриминантного анализа. 必須指出的是箱子的範圍內，其中所施加的回歸物流，比判別分析窄得多。 在這方面，使用後者作為通用方法用於區分被認為是更優選的。 此外，專家建議從分類研究辨析。 而就在對結果的不確定性的情況下，可以使用邏輯回歸。 這必然是由多種因素造成的。 используется при наличии четкого представления о типе независимых и зависимых переменных. 當有關於自變量和因變量的類型，一個清晰的思路邏輯回歸使用。 因此，所選擇的的3個可能的過程之一。 當判別分析，研究者總是處理一個靜態操作。 它涉及到一個因和幾個獨立的分類變量與任何類型的規模。
類型
, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. 客觀的統計研究，採用Logistic回歸，就是要確定一個特定的受訪者將被分配到特定組的可能性。 分化是按照一定的參數進行。 在實踐中，根據一個或多個獨立的因素值可以被分為兩組的受訪者。 . 在這種情況下，有一個二元邏輯回歸。 還指定了參數可以在分配給該組中使用是大於2。 在這種情況下是有多項Logistic回歸。 所得基團表示的任何一個變量的水平。
例子
假設有受訪者回答他們是否有興趣出價收購土地在莫斯科郊區的問題。 在這種情況下，該選項是“不”和“是”。 我們需要找出哪些因素對潛在購房者的投資決策主要的影響。 對於這個問題，受訪者被詢問有關領土的基礎設施建設，資金，土地面積，存在/不存在的住宅樓等，利用二元回歸的距離，可以分佈在兩組受訪者。 第一部分將包括那些誰是興趣購買 - 潛在的買家，和第二，分別那些誰不感興趣，這樣的提議。 對於每個應答者，此外，它將被分配的概率計算為一個類別或另一個。
比較特點
不像上述兩個實施例中包括不同數量和從屬組和獨立變量的類型。 在二進制回歸，例如，從一個或多個獨立的條件研究的依賴性二分法因子。 在這種情況下，後者可以是任何類型的規模的。 多項式回歸被認為是一種分類的版本。 本發明涉及用於2組以上的因變量。 獨立因素必須有一個有序或名義規模。
在SPSS Logistic回歸
統計包11-12介紹了分析的新版本 - 序列。 當依賴因子涉及相同的名稱（有序）規模使用該方法。 在這種情況下，獨立變量選擇的一個特定類型。 他們必須是有序或名義。 在幾類分類被認為是最通用的。 這種方法可以在應用Logistic回歸的所有研究中使用。 , однако, можно только с помощью всех трех приемов. 提高模型的質量，但是，只可能通過使用所有這三種方法。
序分類
據說，早在統計軟件包不提供順序量表進行的相關因素，一個典型的專業分析的機會。 對於所有的變量，具有2組以上的數量使用的多項選擇。 推出相對較晚序列分析具有多項功能。 他們考慮到其規模的細節。 часто не рассматривается как отдельный прием. 另一方面，在方法手冊序邏輯回歸通常不被視為一個單獨的接收。 其原因如下：串行分析沒有過多項任何顯著的優勢。 研究者可能使用後者在存在和序數，和公稱因變量。 這樣，在分類過程彼此幾乎難以區分。 這意味著，裁決令分析不會造成任何問題。
選項分析
考慮簡單的情況下 - 二元回歸。 例如，在某些大城市的大學畢業生市場研究估計需求的過程。 在問卷中，受訪者被問及的問題，其中包括：
- 是你的工作？ （QL）。
- 指定一年畢業（Q 21）。
- 什麼是出口（斷言）的平均得分。
- 性別（Q22）。
позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistic回歸將評估的獨立因素的影響斷言中，q 21和q 22以可變QL。 簡單地說，分析的目的是確定的信息領域，今年年底，平均成績的基礎上，畢業生的就業可能性。
Logistic回歸
要設置使用二進制回歸參數，使用Analyze►Regression►Binary物流菜單。 在Logistic回歸中可用的變量因子相關的左邊列表中進行選擇。 他們是QL。 此變量必須放置在從屬字段。 在此之後，必須進入現場協變量獨立危險因素 - q 21，Q 22，AVER。 然後，你需要選擇，包括他們在分析的方法。 如果超過2獨立因素的數量，不通過步驟使用所有的變量，這是默認安裝的同時給藥，和步驟的方法。 最流行的方式被認為是落後：LR。 使用選擇鍵，可以不包括所有受訪者的研究中，只有特定的目標類別。
定義分類變量
分類按鈕的情況下使用時的變量之一的額定的2個以上的類別的數目。 在這種情況下，定義在放置了這樣一個選項分類協變量站分類變量窗口。 在這個例子中，這樣的變量被丟失。 此後，下拉列表中，選擇項目的對比偏差，並單擊更改按鈕。 其結果是，一些從屬變量的將來自每個額定因子的產生。 其編號對應的類別的原有條款的數量。
保存新變量
使用Save按鈕主要研究設置為創建新的設置對話框。 它們將包含在回歸的過程中計算出的數字。 特別是，它可以創建一個確定的變量：
- 屬於分類的特定類別（Groupmembership）。
- 每個研究組（概率）在分類受訪的概率。
當使用選項按鈕研究員沒有收到任何顯著的機會。 因此，可以忽略不計。 在主窗口中按下“確定”按鈕後，將顯示分析結果。
Logistic回歸充足的質量控制
考慮表總括Testsof模型係數。 它顯示了近似模型的質量分析的結果。 由於該增量選項，你需要看最後階段的結果的事實（第二步）已設置。 將被認為是陽性結果，其中以高度的意義（西格。<0,05）的檢測到的增加卡方指數在過渡到下一步驟。 該模型的質量估計的示範線。 如果你得到一個負值，但它不被視為顯著如果整體高實質性模型，最後可以考慮實際可用的。
表
模型摘要提供總分散指數，它描述了構造的模型（圖R平方）的估計。 建議應用價值Nagelker。 正指示符可以被視為一個參數Nagelkerke R平方，如果它比0.50高。 之後評估，其中屬於一個或研究的另一個類別的實際指標與由回歸模型預測相比，分類的結果。 為此表分類表。 它還可以讓你得出分化的正確性為每個有問題的組的結論。
第一個表，其中包含重要的指標為研究員， - 模型擬合信息。 統計意義的高水平將指向使用模型的高品質和適用性，以解決實際問題。 另一個重要的表是偽R平方。 它允許估計在從屬因子，其通過選擇用於分析的獨立變量引起的總方差的比例。 根據表似然比檢驗可以得出關於後者的統計顯著性的結論。 參數估計值反映非標準化係數。 它們在方程式的建設使用。 此外，對於變量每個組合確定他們對因因素影響的統計意義。 同時，市場研究通常需要不單獨區分受訪者的範疇，但由於目標群體的一部分。 為此表Observedand預測的頻率。
實際應用
分析認為方法被廣泛應用於貿易商的工作。 1991年，乙狀結腸回歸指標的開發。 他是一個易於使用和有效的工具，可以用來預測他們的“過熱”的可能的價格。 指示器被呈現在由平行延伸的兩個線形成的通道的形式的曲線圖。 他們移除了潮流的距離相等。 走廊的寬度將完全取決於時間表。 從貨幣對貴金屬 - 與幾乎所有的資產工作時指示物。
在實踐中，產生2的主要策略，使用儀器的：擊穿和逆轉。 在後一種情況下，交易者將集中於所述通道內的價格變化的動態。 上的是，移動開始在相反方向上隨著接近支撐或阻力線速率的成本的可能性。 如果價格是緊密地貼合的上限，那麼資產可以消除。 如果是在下限，你應該考慮購買。 戰略擊穿涉及使用權證。 它們安裝在相對短的距離的限制之外。 考慮到在某些情況下，價格違反他們的時間很短，你應該發揮它的安全，並設置止損。 與此同時，當然，無論選擇的戰略的需要交易者最大限度地冷靜地看待和評估，在市場上已經出現的情況。
結論
因此，使用邏輯回歸可以讓你快速，方便地分類成受訪者類別按照指定的參數。 在分析可能使用的某種方式。 特別是，不同的多項式回歸的多功能性。 不過，專家建議使用在複雜上述所有方法。 這是由於這樣的事實，在這種情況下，模型的質量會更高顯著。 這反過來，擴大其應用範圍。
Similar articles
Trending Now