Logistic回归（SPSS）

一、SPSS操作一般路径

---

分析
- 广义线性模型：少量数据
- 回归 ——二元逻辑

直销——选择方法

二、SPSS查看数据情况

---

1、看列

分析——报告——代码本
1）数字类型
2）分Y、X
Y字段测量类型比较重要；X的描述比较重要

2、看行

1）小型数据——统计模型
2）大型数据——挖掘模型

注1：
1、逻辑分析y（分类），{0，1}，{0，1，2}需要基于环境选择
2、2个人不谈序
3、最大/最小<8 一般数据

三、Logistic一般分析思路

---

1.图形——条形图：看占比分布有无规律

2.相关——交叉表（卡方分析）
- 交叉表_statistic__卡方：独立性卡方检验
- 交叉表__statistic__McNemar：配对卡方检验：评价一致性

3、logistic回归

3.1 重点关注：
1）分类表，总体百分比，敏感度
2）大方向看方差分析（输出数据第一个表）：Ho：β1=β2=β3=0
小方向看卡方（自变量的P）：H0：β1=0; β2=0
3）回归模型 Ln（P/(1-P) = β0+β1*X

注2：

1、R2不重要，是伪R2
2、logistic然似比（P/(1-P)）的特性，适合于比较极端的情况
3、or（风险度指标）=(P/(1-P)) / (P1/(1-P1))
4、gamma(相关)=(or-1)/(or+1)

3.2 调整

去掉 小方向看卡方，自变量的P>0.05的字段 重新建模

4、修正

1）哑变量（当自变量为多职业等情况）

创建虚拟变量，将一列删除，信息仍为等量

2）工具变量法 （设置一个字段 用以寻找填补自变量）

敏感度改进，做一个改进敏感度的“标识”字段，（错误标识）
找出同“标识”高度相关的字段（定制表，卡方分析），加入logistic模型中重新建模

5、应用——单结构、整体结构、预测老样本、预测新样本

单结构：其他条件相同时，一个X对Y的取值影响 （寻找某一因素的影响）
整结构：一串X对Y的取值影响（建立规则）

注3：

1、Logistic模型中，异常值敏感度不大
2、小样本一般取 5%-20%