Logistilise regressiooni: mudelite ja meetodite

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistilise regressiooni ja diskriminantanalüüsiks kasutatakse siis, kui see on vajalik selgelt eristada vastanutest suunatud kategooriad. Veelgi enam, need rühmad on ühe ühemõõtmeline parameetri taset. а также выясним, для чего она нужна. Mõtle täpsemalt logistilise regressiooni mudel, samuti teada, mis see oli.

Ülevaade

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Näitena probleemi olemasolu lahuses mida kasutatakse logistilist regressiooni, võib olla klassifitseerimise vastajate rühma ostmine ja ei osta sinep. Diferentseerumise viiakse läbi vastavalt sotsiaaldemograafilistele tunnuseid. Nende hulka kuuluvad eelkõige on vanus, sugu, pereliikmete arvu, tulu ja nii edasi. On olemas kriteeriumid, mis eristavad ja muutuva operatsioonis. Viimane kodeerib sihtmärgiks kategooria, mis tegelikult vaja jagada vastanutest.

nüansse

, значительно уже, чем для дискриминантного анализа. Tuleb öelda, et vahemikus juhtudel, kus rakendatakse regressiooni logistika, palju kitsam kui diskriminantanalüüsiks. Seoses sellega viimase kasutamine kui universaalse meetodi diferentseerumise peetakse enam eelistatud. Lisaks eksperdid soovitavad alustades klassifitseerimise uuringu diskrimineeriva analüüsi. Ja igaks juhuks ebakindlust tulemusi saab kasutada logistilist regressiooni. See vajadus on tingitud mitmest tegurist. используется при наличии четкого представления о типе независимых и зависимых переменных. Logistilise regressiooni kasutatakse siis, kui on olemas selge ettekujutus tüüpi sõltumatu ja sõltuva muutuja. Seega valitakse üks 3 võimalikku protseduure. Kui diskriminantanalüüsiks uurija alati tegemist staatilise operatsiooni. See hõlmas ühte sõltuvad ja mitmed sõltumatud kategooriline muutujate skaalal tahes liiki.

liigid

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Eesmärk statistilised uuringud, mis kasutab logistilist regressiooni, on teha kindlaks, on tõenäosus, et teatud vastaja saab omistada konkreetsele grupp. Diferentseerumise viiakse läbi vastavalt teatavatele näitajatele. Praktikas vastavalt väärtused ühe või enama sõltumatu tegureid võib liigitada kahte rühma vastajatest. . Sel juhul on binaarse logistilise regressiooni. Samuti täpsustada parameetreid saab kasutada nende jaotus grupp on suurem kui kaks. Sellises olukorras on Multinomiaalse logistilist regressiooni. Saadud rühma väljendatud tasemed suvalisele varieeruv.

näide

Oletatakse, et vastustest küsimusele, kas nad on huvitatud pakkumist omandada maa äärelinnas Moskva. Sel juhul on valikud "ei" ja "jah". Me peame teada, millised tegurid on tugevat mõju otsuse potentsiaalsed ostjad. Sel vastaja küsimustele küsitakse infrastruktuuri territooriumil, kaugus kapitali, maa-ala olemasolu / puudumine elamute ja nii edasi. Kasutades binaarne regressiooni võib jaotada kahte rühma vastajatest. Esimene hõlmab neid, kes on huvitatud ostmisest - potentsiaalsed ostjad ja teine vastavalt neile, kes ei ole huvitatud sellise pakkumise. Iga vastaja lisaks, siis arvutatakse tõenäosus ülesande ühe kategooria või teise.

Võrdlev omadused

Erinevalt kahest ülaltoodud teostusega seisneb erineva arvu ja tüüpi rühmad sõltuvad ja sõltumatud muutujad. Binaarse regressiooni näiteks uurisid sõltuvuse dihhotoomseid faktoriks ühe või enama sõltumatu tingimustel. Sel juhul võib viimane olla mis tahes tüüpi skaalal. Multinomiaalne regressiooni peetakse omamoodi versiooni klassifikatsioon. See käsitleb sõltuv muutuja üle 2 rühmaga. Sõltumatu tegurid peavad olema kas ordinaalse või nominaalse skaalal.

Logistilise regressiooni SPSS

Statistiline pakett 11-12 kasutusele uus versioon analüüs - jada. Seda meetodit kasutatakse sõltuva tegur on seotud sama nime (järgarvuline) skaalal. Sel juhul sõltumatud muutujad on valitud üks teatud tüüpi. Nad peavad olema kas ordinal või nominaalse. Klassifikatsioon mitmes kategoorias peetakse kõige mitmekülgsem. Seda meetodit saab kasutada kõikides Uuringutes, kus kasutati logistilist regressiooni. , однако, можно только с помощью всех трех приемов. Parandada mudeli, aga on võimalik ainult kasutades kõiki kolme meetodit.

ordinal klassifikatsioon

On öeldud, et varem statistilise pakett ei pakutud võimalus täita tüüpiline spetsialiseeritud analüüsi sõltuvad tegurid ordinaalse skaalal. Kõigi muutujate arvuga rühmi rohkem kui 2 kasutatud Multinomiaalse valik. Kasutusele suhteliselt hiljuti järjestuse analüüs on mitmeid funktsioone. Nad võtavad arvesse eripära skaalal ta. часто не рассматривается как отдельный прием. Vahepeal metoodikajuhendites ordinal logistilise regressiooni sageli ei käsitleta eraldi vastuvõtt. Põhjus on järgmine: seerianumber analüüs ei ole veel ühtegi olulisi eeliseid Multinomiaalse. Uurija võib kasutada seda juuresolekul ja järgarvud ja nominaalse muutuja. Seejuures klassifitseerimisel on peaaegu eristamatu üksteist. See tähendab, et põllumajandusettevõte, et analüüs ei põhjusta mingeid probleeme.

analüüsi võimalusi

Vaatleme lihtsat juhul - binaarne regressiooni. Näiteks protsessi turundusuuringute hinnanguline nõudlus lõpetajate teatud suurlinna ülikoolis. Ankeedis paluti vastajatel küsimused, sealhulgas:

1. Kas sa töötad? (QI).
2. Määrake aasta lõpetamist (q 21).
3. Milline on keskmine skoor väljalaske (aver).
4. Sugu (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistilise regressiooni hindab mõju sõltumatud tegurid aver, q 21 ja q 22 varieeruvatel ql. Lihtsamalt öeldes, Analüüsi eesmärgiks on määrata kindlaks tõenäoliselt lõpetajate tööhõive alusel teavet valdkonnas on aasta lõpus ja keskmine punktisumma.

logistilise regressiooni

Seada parameetreid kasutades binaarne regressiooni kasutada Analyze►Regression►Binary Logistic menüü. Aastal logistilise regressiooni valida vasakus saadaolevate muutujate sõltuv tegur. Nad on QL. See muutuja tuleb asetada sõltuvates valdkonnas. Pärast seda, peate sisestama saidi Ühismuutujad sõltumatu tegurid - q 21 q 22, aver. Siis tuleb valida nii, et lisada need analüüsi. Kui hulk sõltumatuid tegureid rohkem kui 2, ei kasuta meetodit samaaegset manustamist kõik muutujad, mis on paigaldatud vaikimisi ja samm-sammult. Kõige populaarsem viis peetakse tahapoole: LR. Kasutades Valige nuppu, siis ei saa lisada uuringu kõikidest vastajatest, ja ainult konkreetse eesmärgi kategooriasse.

Määrake Kategoriaalne muutujad

Kategooriline nuppu kasutada juhul, kui üks teguritest on hinnatud arvule kategooriate rohkem kui 2. Sellises olukorras Määrake Kategoriaalne muutujad akna kategooriline Ühismuutujad jaama panna just selline valik. Selle näite puhul sellise muutuja puudu. Pärast seda rippmenüüst valige üksus Contrast Hälve ja nuppu Muuda. Selle tulemusena mõned sõltuva muutuja luuakse igast hinnatud tegur. Nende arv vastab numbrile algtingimused kategooriatest.

Säästa uued muutujad

Kasutage nuppu Salvesta põhiuurimuses on seatud luua uued seaded dialoogiboks. Nad sisaldavad arvandmeid protsessis regressiooni. Eelkõige on võimalik luua muutujad, mis määravad:

1. Kuuluvad konkreetsesse kategooriasse klassifitseerimise (Groupmembership).
2. Tõenäosus klassifitseerimisel vastajate igas uurimisrühma (Tõenäosusi).

Kui kasutate nuppu Valikud teadlane ei saanud märkimisväärseid võimalusi. Seega ei saa eirata. Pärast vajutades "OK" nuppu peaaknas kuvatakse analüüsi tulemusi.

Kvaliteedikontroll logistilise regressiooni adekvaatsuse

Mõtle laua Omnibus Testsof Mudel koefitsiendid. See kuvab tulemused analüüsi kvaliteedi ühtlustamise mudeli järgi. Tulenevalt asjaolust, et lisanduvate valiku, peate vaadata tulemusi viimase etapi (2. etapp) on seatud. Loetakse positiivseks tulemuseks, milles tuvastati kasv Chi-ruut indeks üleminekut järgmise sammu suure tähtsusega (Sig. <0,05). Kvaliteet mudeli hinnatakse Mudel joon. Kui teil tekib negatiivne väärtus, kuid seda ei peeta oluliseks, kui üldine kõrge olulisuse mudeli viimane võib pidada praktiliselt kasutatav.

tabelid

Mudel kokkuvõte annab hinnangu kõigi disperssusindeks, mis kirjeldab konstrueeritud mudelina (joonis R Square). On soovitatav kohaldada väärtus Nagelker. Positiivne näitaja võib pidada parameeter Nagelkerke R Square, kui see on suurem kui 0,50. Pärast seda hindas klassifitseerimise tulemuste kus tegelik näitajaid, mis kuuluvad ühte või teise kategooria uuringu võrreldakse ennustatud regressioonimudeli. Selleks tabelis klassifitseerimine Tabel. Samuti saate teha järeldusi õigsuse diferentseerumise iga rühma. . Järgnevas tabelis on võimalik leida statistiliselt olulist sõltumatud tegurid sisestatakse analüüsi samuti mittestandardne faktori logistilist regressiooni. Tuginedes nende näitajate võib ennustada kuuluvuse iga vastaja proovis erirühma. Uus muutujad saab sisestada kasutades nuppu Salvesta. Nad sisaldavad teavet teatavasse klassifitseerimiskategooriale (Predictedcategory) ja tõenäosus kaasatust nendes rühmades (Prognoositud tõenäosused liikmete). Pärast vajutades "OK" nuppu peamine aken Multinomiaalne logistilise regressiooni arvutustulemuste kohta.

Esimene tabel, mis sisaldab olulisi näitajad uurija, - Mudel sisustamine Teave. Kõrgetasemeline statistilise olulisuse toob välja kõrge kvaliteedi ja sobivuse kasutada mudeleid praktiliste probleemide lahendamiseks. Teine oluline tabelis on Pseudo R-Square. See võimaldab teil hinnata osakaal kogu dispersiooni sõltuvates tegur, mis põhjustab sõltumatute muutujate analüüsiks valitud. Vastavalt tabelis tõepärafunktsioon teste saab teha järeldusi statistilist olulisust viimane. Parameetri hinnangud kajastavad mittestandardne koefitsiente. Neid kasutatakse ehitamiseks võrrand. Lisaks iga kombinatsioon muutujad määratakse statistilise olulisuse nende mõju sõltub tegur. Vahepeal turu-uuringud on sageli vaja eristada kategooriate vastajad ei eraldi, vaid osana sihtrühma. Selleks tabelis Observedand Eeldatav sagedustel.

praktilise rakendamise

Peetakse analüüsimeetod kasutatakse laialdaselt töö kauplejad. Aastal 1991 sigmoidaalsetelt logistilise regressiooni näitaja töötati. Ta on lihtne-to-use ja tõhus vahend, mida saab kasutada ennustamiseks hinnad nende "ülekuumenemise". Näitaja on toodud graafikul vormis kanali moodustatud kahe kulgevad paralleelselt. Nad eemaldati võrdsel kaugusel trendi. Laius koridoris sõltub vaid aja. Indikaator töötades kasutada peaaegu kõik vara - alates valuutapaaride väärismetallide.

Praktikas toodetud 2 põhistrateegiad kasutamise vahend: jaotus ja pöördumise. Viimasel juhul kaupleja keskendub dünaamika hinnamuutuste kanali piires. On tõenäoline on, et liikumist hakkab vastupidises suunas, sest see läheneb kulud tuge või resistentsus liin määra. Kui hind on tihedalt sobivad ülempiiri, siis vara saab kõrvaldada. Kui see on alumine, siis tuleb mõelda ostes. Strateegia jaotus hõlmab kasutamist õigustab. Nad on paigaldatud väljaspool piire suhteliselt lühikese vahemaa. Võttes arvesse, et hind mõnel juhul rikkuda neid lühikest aega, siis tuleb mängida see on ohutu ja seada stop-loss. Samal ajal, muidugi, olenemata valitud strateegia nõuab kaupleja maksimeerida rahulikult tajuda ja hinnata olukorda, mis on tekkinud turul.

järeldus

Seega kasutamise logistilise regressiooni abil saate kiiresti ja lihtsalt kategoriseerida vastanutest kategooriatesse vastavalt määratud parameetrid. Analüüsides võimalikku kasutamist teatud viisil. Eelkõige mitmekülgsuse erineva Multinomiaalse regressiooni. Kuid eksperdid soovitavad kasutada kõiki eespool kirjeldatud meetodite kompleks. See on tingitud asjaolust, et antud juhul kvaliteeti mudel on oluliselt kõrgem. See omakorda valikut laiendada selle kohaldamist.