logistic回归 自变量有相互影响

logistic回归又称logistic回归分析,主要在流行病学中应用较多,比较常用的情形是探索某疾病的危险因素,根据危险因素预测某疾病发生的概率,等等.例如,想探讨胃癌发生的危险因素,可以选择两组人

logistic回归主要用于危险因素探索.因变量y为二分类或多分类变量,自变量既可以为分类变量,也可以为连续变量.比如,探索胃癌发生的危险因素,胃癌作为因变量,分为两类,“是”或“否”.危险因素可以有

可以把单因素有序回归里面有意义的变量先纳入,再在多因素过程中通过向后法筛选变量.查看原帖

Logistic回归和多元回归是两个概念.Logistic回归是指因变量(dependentvariable)是离散的,通常为0或1.而自变量(independentvariable)基本没有要求.多

logistic回归对自变量类型一般不做规定,但它要求自变量与logitp之间应符合线性关系.当自变量为分类变量时,可不必考虑线性关系,但当自变量为连续型变量时,则需要检验二者之间的线性关系是否成立.

logistic回归模型,主要是用来对多因素影响的事件进行概率预测,它是普通多元线性回归模型的进一步扩展,logistic模型是非线性模型.比如说我们曾经做过的土地利用评价,就分别用多元线性回归模型和

 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

如果你的分析方法是正确的话,这个结果是能够说明的变量3在该模型中是有贡献的,有意义的,而变量1并不显著,对Y影响不大.

可以把单因素有序回归里面有意义的变量先纳入,再在多因素过程中通过向后法筛选变量.查看原帖

p=0.06大于0.05说明这个自变量对因变量的影响不显著,而B的值则是回归系数,跟线性回归一样,如果你要写回归方程,则自变量的系数就是Bexp(B)则是根据B值计算得来的,可以理解为风险率,如果你的

这个问题可以这样回答,自变量在两个显著性框中的显著性不一样,或者说在一个里面显著,在另一个不显著,这样的可以不解释.

Analyze->Regression->Multinomiallogistic,自变量（Factors）、因变量放好,再设置一下就OK.logistic回归只是针对因变量是分类变量,对自变量是哪种类

给个邮箱再问：929451106@qq.com再答：已发，看懂了吗再问：太复杂了再答：你用的是中文版还是英文版？？再问：中文版的，不过我们要解决的问题好像和你给的那个有区别再答：主要是什么问题？再问：

看你这个X应该是有4个分类的,那么生成g-1=3个哑变量,所以是X1_1-X1_3.但要注意的是在做logistic回归的时候同一变量的所有哑变量应该是同时引入、同时剔除出模型.

我暑假做的一篇论文就是用Logistic模型做的,用的SPSS17.0,都是自学的说（我开学大四,我们学校本科阶段不教计量经济学和SPSS软件,比较苦逼）,废话不多讲,直接上主题.根据我两个月来的理解

能做回归.设成LNp/1-p形式因为p的范围是0--1,不能做回归,设成LNp/1-p形式负无穷到正无穷.就可以了.

你先找到自变量和因变量,就可以直接利用SPSS中的曲线回归中logistic的模型拟合就可以了

自变量通过不检验有以下这些可能：1、方程本身没有意义,比如我们用身高来预测性别,这个肯定通不过检验.2、自变量本省有问题,二项逻辑回归对自变量的要求比较严,一般是要求连续、正态分布的数据才可以.如果自

（1）如果六大类分类变量“教育程度”,“文盲”,“小学”,“初中”,“高中”,“大学”,“大学及以上,很明显（6-1）=5个虚拟变量.（2）,如果你认为太多的虚拟变量,可以结合分类,如“文盲”,“小学

很高深的东西,给你个参考.实用现代统计分析方法与spss应用Spss电脑实验－第八节(3)两分类Logistic回归分析