本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

SPSS回归分析:有序回归_ spss回归分析

spss培训 cdadata 1537℃

SPSS回归分析:有序回归_ spss回归分析

一、概念(分析-回归-有序)

使用序数回归可以在一组预测变量(可以是因子或协变量)上对多歧分序数响应的依赖性进行建模。序数回归的设计基于McCullagh (1980, 1998) 的方法论;序数回归的过程在语法中称为PLUM。如:可以使用序数回归研究患者对药物剂量的反应。可能的反应可以分为无、轻微、适度或剧烈。轻微反应和适度反应之间的差别很难或不可能量化,并且这种差别是取决于感觉的。另外,轻微反应和适度反应之间的差别可能比适度反应和剧烈反应之间的差别更大或更小。

二、选项(分析-回归-有序-选项)

使用“选项”对话框可以调整迭代估计算法中所使用的参数,选择参数估计值的置信度并选择关联函数。

1、迭代。可以定制迭代算法。◎最大迭代次数。指定一个非负整数。如果指定为0,则过程会返回初始估计值。◎最大步骤对分。指定一个正整数。◎对数似然估计收敛。如果对数似然估计中的绝对或相对变化小于该值,则算法会停止。如果指定0,则不使用该条件。◎参数收敛。如果每个参数估计值中的绝对或相对变化小于该值,则算法会停止。如果指定0,则不使用该条件。

2、置信区间。指定一个大于等于0 且小于100 的值。

3、Delta。添加到零单元格频率的值。指定一个小于1 的非负值。

4、奇异性容许误差。用于检查具有高度依赖性的预测变量。从选项列表中选择一个值。

5、链接函数。链接函数是累积概率的转换形式,可用于模型估计。下表总结了五个可用的链接函数。◎Logit log( î / (1 î) ) 均匀分布类别。◎互补双对数log( log(1 î)) 类别越高可能性越大。◎负双对数log( log(î)) 类别越低可能性越大。◎Probit Ö 1(î) 潜在变量为正态分布。◎Cauchit(逆Cauchy)tan(π(î 0.5)) 潜在变量有许多个极值

三、序数回归输出(分析-回归-有序-输出)

“输出”对话框可以生成在浏览器中显示的表,并将变量保存到工作文件。

1、显示。为以下项目生成表:◎打印迭代历史记录。为所指定的打印迭代频率打印对数似然估计和参数估计值。始终打印第一个和最后一个迭代。◎拟合优度统计。Pearson 和似然比卡方统计量。基于在变量列表中指定的分类计算这些统计量。◎摘要统计。Cox 和Snell、Nagelkerke 和McFadden R2 统计量。◎参数估计。参数估计值、标准误和置信区间。◎参数估计的渐近相关性。参数估计相关系数的矩阵。◎参数估计的渐近协方差。参数估计协方差的矩阵。◎单元格信息。观察的和期望的频率和累积频率、频率和累积频率的Pearson 残差、观察到的和期望的概率以及以协变量模式表示的观察到的和期望的每个响应类别的累积概率。请注意:对于具有许多协变量模式的模型(例如,具有连续协变量的模型),该选项可能会生成非常大的、很难处理的表。◎平行线检验。位置参数在多个因变量水平上都相等的假设检验。该检验只对仅定位模型可用

2、保存的变量。将以下变量保存到工作文件:◎估计响应概率。将因子/协变量模式分类成响应类别的模型估计概率。概率与响应类别的数量相等。◎预测类别。具有因子/协变量模式的最大估计概率的响应类别。◎预测类别概率。将因子/协变量分类成预测类别的估计概率。该概率也是因子/协变量模式的估计概率的最大值。◎实际类别概率。将因子/协变量分类成实际类别的估计概率。

3、打印对数似然性。控制对数似然估计的显示。◎包含多项式常数可以提供似然估计的完整值。若要在不包含该常数的乘积之间比较结果,可以选择将该常数排除。

转载请注明:数据分析 » SPSS回归分析:有序回归_ spss回归分析

喜欢 (1)or分享 (0)