扫二维码下载作业帮
2亿+学生的选择
下载作业帮安装包
扫二维码下载作业帮
2亿+学生的选择
spss的二元logistic回归分析,怎么判断两个变量之间是否有关系?方程中的变量 B S.E,Wals df Sig.Exp (B) 1a 性别 -.013 .343 .001 1 .969 .987 常量 -1.213 .542 5.010 1 .025 .297
扫二维码下载作业帮
2亿+学生的选择
&是否有统计学意义主要看sig 如果这个值小于0.05那么就是相关的,在此基础上看第一列B值,负号代表负相关.你的例子中性别不对因变量产生影响.另外logistic回归中Exp(B)值即为OR值也是非常有参考意义的值,你可以参考一下相关教科书,不同的案例解释内容不同.
为您推荐：
其他类似问题
扫描下载二维码LOGISTIC回归模型中交互作用的分析及评价_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
LOGISTIC回归模型中交互作用的分析及评价
总评分3.9|
用知识赚钱
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩12页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢SPSS学习笔记之——二项Logistic回归分析
logisticlogistic&
下面学习一下Odds、OR、RR的概念：
在病例对照研究中，可以画出下列的四格表：
------------------------------------------------------
-----------------------------------------------------
-----------------------------------------------
Odds: 称为比值、比数，是指某事件发生的可能性(概率)与不发生的可能性（概率）之比。在病例对照研究中病例组的暴露比值为：
(a/(a+c))/(c(a+c)) = a/c，
对照组的暴露比值为：
(b/(b+d))/(d/(b+d)) = b/d
OR：比值比，为：病例组的暴露比值(odds1)/对照组的暴露比值(odds2) =
换一种角度，暴露组的疾病发生比值：
(a/(a+b))/(b(a+b)) = a/b
非暴露组的疾病发生比值：
(c/(c+d))/(d/(c+d)) = c/d
odds1/odds2 = ad/bc
与之前的结果一致。
OR的含义与相对危险度相同，指暴露组的疾病危险性为非暴露组的多少倍。OR&1说明疾病的危险度因暴露而增加，暴露与疾病之间为“正”关联；OR&1说明疾病的危险度因暴露而减少，暴露与疾病之间为“负”关联。&还应计算OR的置信区间，若区间跨1，一般说明该因素无意义。
关联强度大致如下：
------------------------------------------------------
OR值&&&&&&&&&&&&&&&&&&&&&&&&联系强度
------------------------------------------------------
&0.9-1.0&&
1.0-1.1&&&&&&&&&&&&&&&&&&&&无
&0.7-0.8&&
1.2-1.4&&&&&&
弱（前者为负关联，后者为正关联）
&0.4-0.6&&
1.5-2.9&&&&&&&&&&&&&
& &中等（同上）
&0.1-0.3&&
3.0-9.0&&&&&&&&&&&&&&&
& 强（同上）
&0.1&&&&&10.0以上&&&&&&&&&&&&&
& 很强（同上）
------------------------------------------------------
RR: 相对危险度（relative&risk）的本质为率比（rate&ratio）或危险比(risk&ratio)，即暴露组与非暴露组发病率之比，或发病的概率之比。但是病例对照研究不能计算发病率，所以病例对照研究中只能计算OR。当人群中疾病的发病率或者患病率很小时，OR近似等于RR，可用OR值代替RR。
不同发病率情况下，OR与RR的关系图如下：
当发病率&10%时，RR与OR很接近。当发病率增大时，两者的差别增大。当OR&1时，OR高估了RR，当OR&1时，OR低估了RR。
设疾病在非暴露人群中的发病为P0，则可用下列公式对RR记性校正：
RR = OR/((1-P0)+(P0*OR))
若P0未知，可以用c/(c+d)估计。
SPSSbankloan.sav
& & 数据视图
default"validate"defaultvalidate=1validate
validate1...
missing(default)=0defalut
[default]LRvalidate
validate=1
Hosmer-LemeshowHosmer-Lemeshow
Cox&Snell RNegelkerke RR10.2980.436
这是H-L检验表，P=0.381 & 0.05接受0假设，认为该模型能很好拟合数据。
H-L检验的随机性表，比较观测值与期望值，表中观测值与期望值大致相同，可以直观的认为，该模型拟合度较好。
700478+39=51747892.5%91+92=1839250.3%81.4%
P&0.05BS.E.WalsWaldEXP(B)1Odds2Odds10.785
& =& -0.791 -
0.243*employ - 0.081*address + 0.088*detbinc +
0.573*creddebt0.50.5
这是不在方程中的变量，其均大于。
01YNY0.5N0.5U
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}