Logistic回归：模型和方法

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistic回归和判别分析是指使用时，必须明确区分受访者有针对性的类别。 此外，这些基团是单一的单变量参数的水平。 а также выясним, для чего она нужна. 考虑进一步的详细逻辑回归模型，以及找出这是什么的。

概观

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. 该问题的一个例子，其中使用逻辑回归的溶液，可以是通过团购受访与不买芥末的分类。 分化是根据社会人口特征进行。 这些措施包括，特别是，包括年龄，性别，家庭成员人数，收入等。有标准来区分，并在操作中的变量。 后者编码目标类别，事实上，需要划分的受访者。

细微之处

, значительно уже, чем для дискриминантного анализа. 必须指出的是箱子的范围内，其中所施加的回归物流，比判别分析窄得多。 在这方面，使用后者作为通用方法用于区分被认为是更优选的。 此外，专家建议从分类研究辨析。 而就在对结果的不确定性的情况下，可以使用逻辑回归。 这必然是由多种因素造成的。 используется при наличии четкого представления о типе независимых и зависимых переменных. 当有关于自变量和因变量的类型，一个清晰的思路逻辑回归使用。 因此，所选择的的3个可能的过程之一。 当判别分析，研究者总是处理一个静态操作。 它涉及到一个因和几个独立的分类变量与任何类型的规模。

类型

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. 客观的统计研究，采用Logistic回归，就是要确定一个特定的受访者将被分配到特定组的可能性。 分化是按照一定的参数进行。 在实践中，根据一个或多个独立的因素值可以被分为两组的受访者。 . 在这种情况下，有一个二元逻辑回归。 还指定了参数可以在分配给该组中使用是大于2。 在这种情况下是有多项Logistic回归。 所得基团表示的任何一个变量的水平。

例子

假设有受访者回答他们是否有兴趣出价收购土地在莫斯科郊区的问题。 在这种情况下，该选项是“不”和“是”。 我们需要找出哪些因素对潜在购房者的投资决策主要的影响。 对于这个问题，受访者被询问有关领土的基础设施建设，资金，土地面积，存在/不存在的住宅楼等，利用二元回归的距离，可以分布在两组受访者。 第一部分将包括那些谁是兴趣购买 - 潜在的买家，和第二，分别那些谁不感兴趣，这样的提议。 对于每个应答者，此外，它将被分配的概率计算为一个类别或另一个。

比较特点

不像上述两个实施例中包括不同数量和从属组和独立变量的类型。 在二进制回归，例如，从一个或多个独立的条件研究的依赖性二分法因子。 在这种情况下，后者可以是任何类型的规模的。 多项式回归被认为是一种分类的版本。 本发明涉及用于2组以上的因变量。 独立因素必须有一个有序或名义规模。

在SPSS Logistic回归

统计包11-12介绍了分析的新版本 - 序列。 当依赖因子涉及相同的名称（有序）规模使用该方法。 在这种情况下，独立变量选择的一个特定类型。 他们必须是有序或名义。 在几类分类被认为是最通用的。 这种方法可以在应用Logistic回归的所有研究中使用。 , однако, можно только с помощью всех трех приемов. 提高模型的质量，但是，只可能通过使用所有这三种方法。

序分类

据说，早在统计软件包不提供顺序量表进行的相关因素，一个典型的专业分析的机会。 对于所有的变量，具有2组以上的数量使用的多项选择。 推出相对较晚序列分析具有多项功能。 他们考虑到其规模的细节。 часто не рассматривается как отдельный прием. 另一方面，在方法手册序逻辑回归通常不被视为一个单独的接收。 其原因如下：串行分析没有过多项任何显著的优势。 研究者可能使用后者在存在和序数，和公称因变量。 这样，在分类过程彼此几乎难以区分。 这意味着，裁决令分析不会造成任何问题。

选项分析

考虑简单的情况下 - 二元回归。 例如，在某些大城市的大学毕业生市场研究估计需求的过程。 在问卷中，受访者被问及的问题，其中包括：

1. 是你的工作？ （QL）。
2. 指定一年毕业（Q 21）。
3. 什么是出口（断言）的平均得分。
4. 性别（Q22）。

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistic回归将评估的独立因素的影响断言中，q 21和q 22以可变QL。 简单地说，分析的目的是确定的信息领域，今年年底，平均成绩的基础上，毕业生的就业可能性。

Logistic回归

要设置使用二进制回归参数，使用Analyze►Regression►Binary物流菜单。 在Logistic回归中可用的变量因子相关的左边列表中进行选择。 他们是QL。 此变量必须放置在从属字段。 在此之后，必须进入现场协变量独立危险因素 - q 21，Q 22，AVER。 然后，你需要选择，包括他们在分析的方法。 如果超过2独立因素的数量，不通过步骤使用所有的变量，这是默认安装的同时给药，和步骤的方法。 最流行的方式被认为是落后：LR。 使用选择键，可以不包括所有受访者的研究中，只有特定的目标类别。

定义分类变量

分类按钮的情况下使用时的变量之一的额定的2个以上的类别的数目。 在这种情况下，定义在放置了这样一个选项分类协变量站分类变量窗口。 在这个例子中，这样的变量被丢失。 此后，下拉列表中，选择项目的对比偏差，并单击更改按钮。 其结果是，一些从属变量的将来自每个额定因子的产生。 其编号对应的类别的原有条款的数量。

保存新变量

使用Save按钮主要研究设置为创建新的设置对话框。 它们将包含在回归的过程中计算出的数字。 特别是，它可以创建一个确定的变量：

1. 属于分类的特定类别（Groupmembership）。
2. 每个研究组（概率）在分类受访的概率。

当使用选项按钮研究员没有收到任何显著的机会。 因此，可以忽略不计。 在主窗口中按下“确定”按钮后，将显示分析结果。

Logistic回归充足的质量控制

考虑表总括Testsof模型系数。 它显示了近似模型的质量分析的结果。 由于该增量选项，你需要看最后阶段的结果的事实（第二步）已设置。 将被认为是阳性结果，其中以高度的意义（西格。<0,05）的检测到的增加卡方指数在过渡到下一步骤。 该模型的质量估计的示范线。 如果你得到一个负值，但它不被视为显著如果整体高实质性模型，最后可以考虑实际可用的。

表

模型摘要提供总分散指数，它描述了构造的模型（图R平方）的估计。 建议应用价值Nagelker。 正指示符可以被视为一个参数Nagelkerke R平方，如果它比0.50高。 之后评估，其中属于一个或研究的另一个类别的实际指标与由回归模型预测相比，分类的结果。 为此表分类表。 它还可以让你得出分化的正确性为每个有问题的组的结论。 . 下面的表格能够找到进入分析以及非标准化因素Logistic回归统计显著的独立因素。 关于这些指标的基础上可以预测在样品中每个受访的从属关系到一个特定的组。 新的变量可以使用保存按钮来输入。 它们将包含在一个特定的分类类别（Predictedcategory），并纳入这些群体的概率（预测概率成员）的成员信息。 在主窗口中按下“确定”按钮后会出现多项Logistic回归计算结果。

第一个表，其中包含重要的指标为研究员， - 模型拟合信息。 统计意义的高水平将指向使用模型的高品质和适用性，以解决实际问题。 另一个重要的表是伪R平方。 它允许估计在从属因子，其通过选择用于分析的独立变量引起的总方差的比例。 根据表似然比检验可以得出关于后者的统计显着性的结论。 参数估计值反映非标准化系数。 它们在方程式的建设使用。 此外，对于变量每个组合确定他们对因因素影响的统计意义。 同时，市场研究通常需要不单独区分受访者的范畴，但由于目标群体的一部分。 为此表Observedand预测的频率。

实际应用

分析认为方法被广泛应用于贸易商的工作。 1991年，乙状结肠回归指标的开发。 他是一个易于使用和有效的工具，可以用来预测他们的“过热”的可能的价格。 指示器被呈现在由平行延伸的两个线形成的通道的形式的曲线图。 他们移除了潮流的距离相等。 走廊的宽度将完全取决于时间表。 从货币对贵金属 - 与几乎所有的资产工作时指示物。

在实践中，产生2个的主要策略，使用仪器的：击穿和逆转。 在后一种情况下，交易者将集中于所述通道内的价格变化的动态。 上的是，移动开始在相反方向上随着接近支撑或阻力线速率的成本的可能性。 如果价格是紧密地贴合的上限，那么资产可以消除。 如果是在下限，你应该考虑购买。 战略击穿涉及使用权证。 它们安装在相对短的距离的限制之外。 考虑到在某些情况下，价格违反他们的时间很短，你应该发挥它的安全，并设置止损。 与此同时，当然，无论选择的战略的需要交易者最大限度地冷静地看待和评估，在市场上已经出现的情况。

结论

因此，使用逻辑回归可以让你快速，方便地分类成受访者类别按照指定的参数。 在分析可能使用的某种方式。 特别是，不同的多项式回归的多功能性。 不过，专家建议使用在复杂上述所有方法。 这是由于这样的事实，在这种情况下，模型的质量会更高显著。 这反过来，扩大其应用范围。