spss数据分析提高篇与论文写作--多元有序logistic回归分析
首先多元有序logistic回归是针对因变量水平数大于2并且为有序变量10的一个情况。做了一个多因素Logistic回归分析得到的结果呢就是一个独立影响因素。π2π3呢就是水平数2和3发生的概率然后这个π一比上π二加π三。SPSS关于有有序logistic这些回归分析的一些模块。说明这个模型是显著的也就是说至少有一个变量的系数是显著的。看到左侧是放置我们变量的因变量就放置我们的这个有序变量。说明是
SPSS多元有序logistic回归分析的相关
多元有序logistic回归分析的相关概念
首先多元有序logistic回归是针对因变量水平数大于2并且为有序变量10的一个情况
采用有序logistic回归模型进行分析
然后以因变量为3水平数为例
来看一下多元有序logistic的回归模型
然后可以看到
这π一是水平数一发生的概率
π2π3呢就是水平数2和3发生的概率然后这个π一比上π二加π三
这样一个line取值就等于二分一减上个关于x
自变量的一个线性组合形式
我们可以看到呢就是π一就是
低水平的概率
就是跟着x是互相关的
也就是说x取值越大低水平概率
发生越低
也就是高水平发生概率越高
这样呢就跟我们的系数是统一的
就是说x数值系数如果是正
然后呢发生高
水平的因变量
发生高水平的概率为正好
这是关于这个模型的解释
然后这个多元有序logistic回归模型
它是有个使用条件
它呢需要满足平行性检验
就是说
不管反应变量的分割点在什么位置
模型中各自变量的系数都保持不变
我们可以看这公式
这公式
它后面一部分的
关于自变量的一个系数是不变的
它两个有区别的
就是这个常数角是有变化的
就是需要满足这个条件
也就是平行性检验这个条件
用SPSS分析的时候注意的几点
刚才解释的这个系数的情况
就是如果X7 如x系数为正
就是因变量高水平发生的概率越高
好我们来看一下
SPSS关于有有序logistic这些回归分析的一些模块
它是通过分析回归这有个有序点击之后就可以进入然后进入主句话框
看到左侧是放置我们变量的因变量就放置我们的这个有序变量
然后这个因子是放置的是分类变量
比如说这的性别和年龄这种分类变量
斜变量就是放置我们的连续变量
来看一下输出对话框
输出对话框我们重点是需要选择上这平行线检验
如果满足平行线检验可以继续使用有序logistic回归分析
如果不满足这个平行线检验
需要更换为多分类logistic回归分析
就不可以再使用有序logistic回归分析了
通过一个案例来分析一下这个治疗效果
看这性别和年龄是否影响这个治疗效果
就是说寻找它的独立影响因素
打开这个数据通过分析
回归,有序
把治疗效果因变量选进来
性别和年龄都是分类变量
选到因子里面
如果有连续变量需要选入到斜变量里面来
输出我们选择平行键检验
好继续输入u呢选择默认
来看一下这个结果
这个个案处理接要摘要呢就是每个变量对应不同分类下的一个个案数和百分比
然后第二个呢就是模型拟合信息他这里呢就是p呢小于0.05
说明这个模型是显著的也就是说至少有一个变量的系数是显著的
这个拟合优度呢就是
p大于0.05
就是说明这个拟合效果较好
还有这个伪R方
他对于这个logistic回归
伪R方一般不会太大
这个结果呢也不太具有参考意义
大家可以不用太关注这个伪R方
重点来看一下这个平行线检验
平行线检验呢它呢p值呢是大于0.05
说明是满足平有序logistic这个回归分析的一个条件
我们可以采用这个有序logistic这个回归这种方法
接下来我们看这个参数估算值
我们可以看到治疗效果等于2的时候
这是估算值是他的常数项
是不显著的
其余这些常数项呢都是显著的
我们再来看性别
关于性别它显著性是0.193是大于0.05
对这个治疗效果是没有显著影响的
然后我们再来看年龄
年龄等于123的时候
他分别都是小于0.05的
说明年龄对这个治疗效果是有显著影响的
我们再来看他的正负
年龄这个系数为正
就是说
这个低年龄组更容易发生治疗效果好的概率
是相对于这个年龄等于4的时候就是高年龄组
就是年龄越低治疗效果越好就是这个意思
然后我们再来看一下论文写作指导方面的内容
这也是一篇医学上的文章
首先他是进行了一个单因素分析
你看这是三个组别
然后他是有等级顺序的
一个是正常组,轻度组和重度组这是有等级顺序的
第一步进行了一个单因素分析
第二步就是把有显著差异的变量进入
纳入到多因素logistic解回归分析
你看他这里面用到的是逐步回归法
也就是说让他只显示p值小于0.05的变量
这样他就寻找出来了这个VCI的一个独立影响因素
你看他这说明的是将表一中有差异的变量作为4变量
然后因变量因为是具有等级顺序
做了一个多因素Logistic回归分析得到的结果呢就是一个独立影响因素
这样他就是论文写作方面的一个思路。
更多推荐
所有评论(0)