1樓：劉得意統計服務
s.e.是標準誤，表示估計值的平均誤差。
wals是乙個統計量，用檢驗自變數對因變數是否有影響的。它越大，或者說它對應的sig越小，則影響越顯著。df是自由度，在分析中不用解釋。
實踐應用中，關鍵的是解釋係數b,或者後面的exp(b)，稱為or.還有sig,其它的可以不管。
希望能幫上你
統計人劉得意
spss裡logistic回歸分析 這四個每個字母分別代表什麼 說明的是什麼 後面的資料結果是什麼意思 跪求啊
2樓：匿名使用者
卡方值是模型的總體檢驗結果，p小於0.001達到顯著水平，說明在模型中至少有乙個自變數可以**因變數，sig就是p值，第三行是模型**分類正確率，第四行是偽決定係數，意義不大。
3樓：匿名使用者
卡方顯著性
分類正確的百分比
nagelkerker方
看不懂結果就別亂做logistic回歸，小心做錯我經常幫別人做這類的資料分析
spss二元邏輯回歸，表頭的wals是z值嗎
4樓：匿名使用者
你說的是wald嗎?那是wald卡方值，等於b除以它的標準誤（s.e.）的平方值，所以這個值是用於對回歸係數顯著性進行檢驗的。顯著性去看sig就好了
spss二元logistic回歸分析怎樣描述結果
5樓：福建省第一呂布
logistic回歸主要分為三類，一種是因
變數為二分類得logistic回歸，這種回歸叫做二項logistic回歸，一種是因變數為無序多分類得logistic回歸，比如傾向於選擇哪種產品，這種回歸叫做多項logistic回歸。還有一種是因變數為有序多分類的logistic回歸，比如病重的程度是高，中，低呀等等，這種回歸也叫累積logistic回歸，或者序次logistic回歸。
spss二元logistic回歸分析，結果如下，變數係數怎麼看，或者回歸方程序什麼？
6樓：匿名使用者
很遺憾的告訴你，你這研究失敗了
二元logistic回歸分析，應該說所有回歸分析，最重要的係數是sig，或者平時我們叫p值，需要小於0.05才能說明有顯著性影響，你這個所有p值高的接近1，都是毫無意義的資料
置於你說的回歸方程問題，回歸係數一般是b值，不過logistic回歸分析是對數分析法，所以一般看exp（b），也就是我們所說的or值
7樓：匿名使用者
你這全是亂作的，怎麼寫啊
找我專業資料分析
8樓：匿名使用者
不會做就別亂做
我經常幫別人做這類的資料分析的
spss中回歸分析結果解釋，不懂怎麼看
9樓：中子
首先來說明各個符號，b也就是beta，代表回歸係數，標準化的回歸係數代表自變數也就是**變數和因變數的相關，為什麼要標準化，因為標準化的時候各個自變數以及因變數的單位才能統一，使結果更精確，減少因為單位不同而造成的誤差。t值就是對回歸係數的t檢驗的結果，絕對值越大，sig就越小，sig代表t檢驗的顯著性，在統計學上，sig<0.05一般被認為是係數檢驗顯著，顯著的意思就是你的回歸係數的絕對值顯著大於0，表明自變數可以有效**因變數的變異，做出這個結論你有5%的可能會犯錯誤，即有95%的把握結論正確。
回歸的檢驗首先看anova那個表，也就是f檢驗，那個表代表的是對你進行回歸的所有自變數的回歸係數的乙個總體檢驗，如果sig<0.05,說明至少有乙個自變數能夠有效**因變數，這個在寫資料分析結果時一般可以不報告
然後看係數表，看標準化的回歸係數是否顯著，每個自變數都有乙個對應的回歸係數以及顯著性檢驗
最後看模型彙總那個表，r方叫做決定係數，他是自變數可以解釋的變異量佔因變數總變異量的比例，代表回歸方程對因變數的解釋程度，報告的時候報告調整後的r方，這個值是針對自變數的增多會不斷增強**力的乙個矯正（因為即使沒什麼用的自變數，只要多增幾個，r方也會變大，調整後的r方是對較多自變數的懲罰），r可以不用管，標準化的情況下r也是自變數和因變數的相關
希望對您有用
10樓：匿名使用者
看coeffuenthesig即可，
spss二元logistics回歸結果分析
11樓：風花樹
1. logistic回歸簡介
logistic回歸：主要用於因變數為分類變數（如疾病的緩解、不緩解，評比中的好、中、差等）的回歸分析，自變數可以為分類變數，也可以為連續變數。因變數為二分類的稱為二項logistic回歸，因變數為多分類的稱為多元logistic回歸。
odds：稱為比值、比數，是指某事件發生的可能性(概率)與不發生的可能性（概率）之比。
or（odds ratio）：比值比，優勢比。
2.spss中做logistic回歸的操作步驟
分析》回歸》二元logistic回歸
選擇因變數和自變數（協變數）
3.結果怎麼看
一些指標和資料怎麼看
「exp(b)」即為相應變數的or值（又叫優勢比，比值比），為在其他條件不變的情況下，自變數每改變1個單位，事件的發生比「odds」的變化率。
偽決定係數cox & snell r2和nagelkerke r2，這兩個指標從不同角度反映了當前模型中自變數解釋了因變數的變異佔因變數總變異的比例。但對於logistic回歸而言，通常看到的偽決定係數的大小不像線性回歸模型中的決定係數那麼大。
**結果列聯表解釋，看」分類表「中的資料，提供了2類樣本的**正確率和總的正確率。
建立logistic回歸方程
logit（p）=β0+β1*x1+β2*x2+……+βm*xm
4.自變數的篩選方法和逐步回歸
與線性回歸類似，在logistic回歸中應盡量納入對因變數有影響作用的變數，而將對因變數沒有影響或影響較小的變數排除在模型之外。
①.wald檢驗：wals是乙個統計量，用檢驗自變數對因變數是否有影響的。它越大，或者說它對應的sig越小，則影響越顯著。
②.似然比檢驗（likelihood ratio
test）：logistic模型的估計一般是使用極大似然法，即使得模型的似然函式l達到最大值。-2lnl被稱為diviance，記為d。
l越大，則d越大，模型**效果越好。似然比檢驗是通過比較是否包含某個或幾個引數β的多個模型的d值。
③.比分檢驗（score test）
以上三種假設檢驗中，似然比檢驗是基於整個模型的擬合情況進行的，結果最為可靠；比分檢驗結果一般與似然比檢驗結果一致。最差的就是wald檢驗，它考慮各因素的綜合作用，當因素間存在共線性的時候，結果不可靠。故在篩選變數時，用wald法應慎重。
spss中提供了六種自變數的篩選方法，向前法（forward）和向後法（backward）分別有三種。基於條件引數估計和偏最大似然估計的篩選方法都比較可靠，尤以後者為佳。但基於wald統計量的檢驗則不然，它實際上未考慮各因素的綜合作用，當因素間存在共線性時，結果不可靠，故應當慎用。
5.模型效果的判斷指標
①.對數似然值與偽決定係數
logistic模型是通過極大似然法求解的，極大似然值實際上也是乙個概率，取值在0～1之間。取值為1，代表模型達到完美，此時其對數值為0；似然值越小，則其對數值越負，因此－2倍的對數似然值就可以用來表示模型的擬合效果，其值越小，越接近於0，說明模型擬合效果越好。
②.模型**正確率
對因變數結局**的準確程度也可以反映模型的效果，spss在logistic回歸過程中會輸出包含**分類結果與原始資料分類結果的列聯表，預設是按照概率是否大於0.5進行分割。
③.roc曲線
roc曲線即受試者工作特徵曲線（receiver
operating characteristic curve），或譯作接受者操作特徵曲線。它是一種廣泛應用的資料統計方法，2023年應用於雷達訊號檢測的分析，用於區別「雜訊」與「訊號」。在對logistic回歸模型擬合效果進行判斷時，通過roc曲線可直接使用模型**概率進行。
應用roc曲線可幫助研究者確定合理的**概率分類點，即將**概率大於（或小於）多少的研究物件判斷為陽性結果（或陰性結果）。roc曲線，**效果最佳時，曲線應該是從左下角垂直上公升至頂，然後水平方向向右延伸到右上角。如果roc曲線沿著主對角線方向分布，表示分類是機遇造成的，正確分類和錯分的概率各為50％，此時該診斷方法完全無效。
12樓：匿名使用者
你在瞎做啊，不是這麼做的
13樓：stop華崽
你做的什麼，怎麼這麼多變數，自變數要篩選的，p為0.808都在裡面，無語了。
怎樣用spss做二項logistic回歸分析？結果如何解釋
14樓：旗塵印雪瑤
自變數賦值為1的情況和賦值為0
的比較，因變數為1的可能性的倍數。如果自變數是男=1，女=0，因變數是理科成績好=1，壞=0，or值為2，那麼就是男生比女生理科成績好的可能性是2倍
怎樣用spss做二元邏輯回歸分析
可以使用spssau的二元logit和多分類logit，拖拽分析項即可得到標準格式結果。分析 回歸 二元logistic 對因變數和協變數進行定義 注意 分類 對協變數進行更改對比設定。選項內 輸出可以選擇在最後乙個容步驟中及對其他要求的設定 繼續 最後點確定即可。多元logistic類似上面，對想...
怎樣由二元函式畫出二元它的影象,二元函式怎麼知道它的大概影象呢？
第一是判定是屬於哪種圖形，常見的包括圓 橢圓 拋物線 雙曲線。第二，求取一些特定點和線，包括與x y軸焦點，對稱軸，中心，焦點之類的，不同影象不一樣 第三，判定好方向就畫圖吧，反正也就是乙個示意圖 怎樣由二元函式畫出二元它的影象。matlab畫圖軟體或許可以幫助你。或者，如果是簡單的二元函式，大概描...
SPSS單因素方差分析結果,spss單因素方差分析結果不太理解，顯著性大於005怎麼辦？
這個之前就說過很多次了，各組間均值在 0.05水平上沒有顯著性差異就不要兩兩比較了。誰能幫我分析一下spss單因素方差分析的結果，附圖 從這張表可以理解為你採集了 1 2 3 4 這四中數目的樣本，分別測定了其細菌的數量，從結果來看 95 的置信區間 這幾種樹木中細菌數不存在顯著性差異，也就是從統計...