Logistični regresijski: modeli in metode

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistična regresija in diskriminantna analiza se uporablja, ko je treba jasno razlikovati vprašanih ciljnih kategorij. Poleg tega so te skupine so en sam univariatne vrednosti parametrov. а также выясним, для чего она нужна. Razmislite še bolj podrobno logistični regresijski model, kot tudi izvedeti, kaj je bilo.

Pregled

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Primer problema, v raztopini, ki se uporablja logistične regresije, lahko razvrstitev anketirancev po skupinskem nakupu in ne nakup gorčico. Razlikovanje se izvaja po sociodemografskih značilnostih. Te vključujejo zlasti so starost, spol, število družinskih članov, dohodek in tako naprej. Obstajajo merila za razlikovanje in spremenljivka v operaciji. Slednji kodira ciljno kategorijo, za katero je v resnici, je treba razdeliti anketirancev.

nianse

, значительно уже, чем для дискриминантного анализа. Treba je reči, da je izbor primerov, v katerih se uporabljajo regresijski logistika, veliko ožji od diskriminantne analize. V zvezi s tem, se šteje uporaba slednje kot univerzalne metode za razlikovanje bolj prednostno. Poleg tega strokovnjaki priporočajo se začne s študijskim klasifikacija diskriminativnega analize. In samo v primeru negotovosti rezultatov je mogoče uporabiti logistične regresije. Ta potreba je posledica več dejavnikov. используется при наличии четкого представления о типе независимых и зависимых переменных. Logistična regresija se uporablja, ko je jasno idejo o vrsti neodvisnih in odvisnih spremenljivk. V skladu s tem izberemo enega od možnih postopkov 3. Ko je diskriminantna analiza, je raziskovalec vedno ukvarjajo s statično operacijo. Šlo je eno odvisne in več neodvisnih kategorično spremenljivk z obsegom katerega koli tipa.

vrste

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Cilj statistično raziskovanje, ki se uporablja logistične regresije, je ugotoviti, da obstaja verjetnost, da se bo zlasti tožena dodeljena določeni skupini. Razlikovanje se izvede v skladu z določenimi parametri. V praksi se lahko, glede na vrednosti enega ali več neodvisnih dejavnikov, se razvrstijo v dve skupini anketirancev. . V tem primeru, je binarno logistično regresijo. Prav tako se določeni parametri se lahko uporablja pri dodelitvi skupine je večja od dveh. V takem primeru je multinomial logistično regresijo. Nastalo filter izražena ravni koli spremenljivke.

primer

Recimo, da so odgovori anketirancev na vprašanje, ali so zainteresirani za ponudbo za nakup zemlje v predmestju Moskve. V tem primeru so možnosti "ne" in "da". Moramo ugotoviti, kateri dejavniki imajo prevladujoč vpliv na odločitve potencialnih kupcev. Za ta tožene zastavljenih vprašanjih o infrastrukturi ozemlja, razdalja do kapitala, površine, prisotnosti / odsotnosti stanovanjskih stavb in tako naprej. Dvojiškem regresije, se lahko razdelijo v dve skupini anketirancev. Prvi bodo tudi tisti, ki so zainteresirani za nakup - potencialnih kupcev, in drugi, in tiste, ki niso zainteresirani za tako ponudbo. Za vsak anketiranec, poleg tega, da bo treba izračunati verjetnost naloge na eno kategorijo ali drugo.

primerjalni značilnosti

Za razliko od dveh izvedbah zgoraj sestavljen iz različnega števila in vrste skupin odvisnih in neodvisnih spremenljivk. V binarne regresijo, na primer, raziskali odvisnosti dihotomno faktor iz enega ali več neodvisnimi pogojih. V tem primeru lahko slednji lahko katero koli vrsto lestvici. Multinomial regresija velja nekakšna različica klasifikacije. To se nanaša na odvisno spremenljivko za več kot 2 skupini. Neodvisni dejavniki morajo biti bodisi vrstilnega ali nominalno lestvico.

Logistična regresija v SPSS

Statistična paket 12/11, je predstavil novo različico analize - zaporedje. Ta metoda se uporablja, kadar je odvisen faktor povezan z enakim imenom (zaporedna) lestvici. V tem primeru so neodvisne spremenljivke izbrali eno posebno vrsto. Morajo biti bodisi zaporedna ali nominalno. Razvrstitev v več kategorij, se šteje, da je najbolj vsestranski. Ta metoda se lahko uporablja v vseh študijah, ki uporabljajo logistične regresije. , однако, можно только с помощью всех трех приемов. Izboljšati kakovost modela, pa je mogoče le z uporabo vseh treh načinov.

zaporedna uvrstitev

Rečeno je, da je že v statističnem paketu ni bila dana možnost, da opravljajo tipične posebno analizo za vzdrževane dejavnikov z vrstilnega lestvici. Za vse spremenljivke, s številom skupin več kot 2 uporablja MULTINOMIAL možnost. Je predstavil pred kratkim analiza zaporedja ima številne funkcije. Upoštevajo posebnosti lestvici it. часто не рассматривается как отдельный прием. Medtem, v metodoloških priročnikih zaporedna logistično regresijo se pogosto ne obravnava kot ločen sprejem. Razlog za to je, kot sledi: serijska analiza nima bistvene prednosti pred multinomial. Raziskovalec lahko tudi uporabijo slednji v prisotnosti in ORDINAL in nazivno odvisno spremenljivko. Pri tem je postopek razvrstitve se skoraj ne razlikujejo med seboj. To pomeni, da je analiza gospodarstvo Da ne bo povzročilo nobenih težav.

Analiza možnosti

Vzemimo preprost primer - binarno regresije. Na primer, v procesu trženjskega raziskovanja ocenah povpraševanja po diplomantih nekaterih Metropolitan University. V vprašalniku so anketiranci vprašanja, med drugim:

1. Delaš? (Qi).
2. Navedite leto diplomi (q 21).
3. Kakšna je povprečna ocena za vtičnice (aver).
4. Spolov (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistična regresija bo ocenila vpliv neodvisnih dejavnikov povprečenja, q 21 in q 22 na spremenljivo QL. Preprosto povedano, je namen analize je določitev verjetnega zaposlovanje diplomantov na podlagi informacij na terenu, ob koncu leta, in povprečno število točk.

Logistična regresija

Če želite nastaviti parametre dvojiškem regresijo, uporabite meni Analyze►Regression►Binary Logistic. V regresijo izbrati v levem seznamu razpoložljivih spremenljivk odvisna od faktorjev. Ti je ql. Ta spremenljivka je treba namestiti na Odvisno področju. Po tem, morate vnesti Kovariable Site neodvisne dejavnike - q 21, q 22, Aver. Potem morate izbrati način, da jih tudi v analizi. Če je število neodvisnih dejavnikov več kot 2, ne uporabljajo metodo sočasnega dajanja vseh spremenljivk, ki je nameščen privzeto, in korak za korakom. Najbolj priljubljen način se šteje za nazaj: LR. Uporaba gumba Select, ki jih v študiji vseh vprašanih in le določeno ciljno skupino, ne more vključevati.

Določite kategorične spremenljivke

Gumb kategorično uporabiti v primeru, ko je ena od spremenljivk, ocenjeno na več kategorij več kot 2. V tem primeru Določite kategorizacija Spremenljivke okno na postaji kategorizacija Kovariable postavljen le kot možnost. V tem primeru je taka spremenljivka manjka. Po tem spustnem seznamu, izberite element Contrast odklon in kliknite na gumb Spremeni. Kot rezultat, bodo nekatere odvisne spremenljivke so ustvarjene iz vsake nazivne faktorja. Njihovo število ustreza številu prvotnih pogojev kategorij.

Prihranite nove spremenljivke

Uporabite gumb Shrani v glavni študiji, ki je nastavljen za ustvarjanje pogovorno okno nove nastavitve. Ti bo vseboval številke, izračunane v procesu regresije. Še posebej, je mogoče ustvariti spremenljivke, ki določajo:

1. Ki spada v posebno kategorijo razvrstitve (Groupmembership).
2. Verjetnost razvrščanje respondente V vsaki študijski skupini (Verjetnost).

Pri uporabi gumba raziskovalca Možnosti ne prejema nobene pomembne priložnosti. V skladu s tem je mogoče prezreti. Po pritisku na gumb "OK" v glavnem oknu se prikaže rezultate analize.

Nadzor kakovosti logistične regresije ustreznosti

Razmislite tabele Omnibus Testsof Model koeficientov. To prikazuje rezultate analize kakovosti modela približevanja. Glede na to, da je primarni možnost, boste morali gledati na rezultate zadnje stopnje (2. korak) je bil določen. Bi se šteje za pozitiven rezultat, v katerih je zaznati porast Chi-kvadrat indeks pri prehodu na naslednji korak na visoko stopnjo pomembnosti (Sig. <0,05). Kakovost modela je ocenjena Model liniji. Če dobiš negativno vrednost, vendar pa se ne šteje za pomembno, če lahko splošni model visoko pomembnost, se šteje, da je zadnji praktično uporabna.

mize

Model Povzetek vsebuje oceno celotnega indeksa disperzije, ki opisuje, izdelano modela (slika R trg). Priporočljivo je, da uporabijo vrednost Nagelker. Pozitiven kazalnik se lahko šteje kot parameter Nagelkerke R trg, če je večji od 0,50. Po tem ocenili rezultate klasifikacije, v kateri so dejanski kazalci, ki spada v eno ali drugo kategorijo študije v primerjavi s tistimi, ki jih je regresijski model napovedal. V ta namen je tabela Razvrstitev tabeli. Prav tako vam omogoča, da pripravi sklepe o pravilnosti diferenciacije za vsako zadevno skupino. . V spodnji tabeli je mogoče najti statistično pomembne neodvisne dejavnike, vnesene v analizo, kot tudi ne-standardizirani faktor logistično regresijo. Na podlagi teh kazalcev ne more napovedati pripadnost vsakega anketiranca v vzorcu za določeno skupino. Nove spremenljivke lahko vnesete s tipko Shrani. Ti bo vsebovala informacije o pripadnosti določeni kategoriji razvrstitve (Predictedcategory) in verjetnost vključitve v teh skupinah (Predvidena verjetnosti članstva). Po pritisku na gumb "OK" v glavnem oknu, se bo pojavilo MULTINOMIAL regresijo rezultate za izračun.

Prva tabela, ki vsebuje pomembne kazalnike za raziskovalca, - Model Opremljanje Informacije. Visoka raven statistične značilnosti se kažejo na visoko kakovost in primernost uporabe modelov za reševanje praktičnih problemov. Druga pomembna tabela je Pseudo R-kvadrat. To vam omogoča, da ocenite delež celotne variance odvisne faktor, ki je posledica neodvisnih spremenljivk, izbranih za analizo. Po Tabela verjetnosti Ratio testov lahko sklepamo o statističnem pomenu slednje. Na Ocene parametrov odražajo niso standardizirane koeficiente. Uporabljajo se pri gradnji enačbe. Poleg tega se za vsako kombinacijo spremenljivk določimo statistično pomembnost njihovega vpliva na odvisne faktor. Medtem, tržne raziskave, je pogosto treba razlikovati kategorije anketirancev ni ločeno, ampak kot del ciljne skupine. V ta namen je tabela Observedand napovedi frekvence.

praktična uporaba

Upoštevani analitska metoda se pogosto uporablja pri delu trgovcev. Leta 1991 je bil razvit kazalnik sigmasto logistično regresijo. Je enostaven za uporabo in učinkovito orodje, ki se lahko uporabljajo za napovedovanje verjetne cene za svoje "pregrevanja". Indikator je predstavljen na grafu v obliki kanala tvorita dve črti, ki se raztezajo vzporedno. Odstranili so enako oddaljena od trenda. Širina koridorja bo odvisen le od časovnega okvira. Kazalec se uporablja pri delu s skoraj vseh sredstev - od valutnih parov do plemenitih kovin.

V praksi je proizvedla 2 ključnih strategij za uporabo instrumenta: razčlenitev in preobrat. V slednjem primeru bo trgovec osredotočila na dinamiko sprememb cen v kanalu. On je verjetnost, da se gibanje začne v nasprotni smeri, kot se približuje stroške hitrostjo linije za podporo ali odpornosti. Če je cena tesno prilegajo na zgornji meji, potem lahko sredstvo je treba odpraviti. Če je na spodnji meji, bi morali razmišljati o nakupu. Razčlenitev strategija vključuje uporabo nalogov. Ti so nameščeni zunaj meja relativno kratke razdalje. Ob upoštevanju, da jim je cena v nekaterih primerih kršili za kratek čas, bi morali tvegati in nastaviti stop-izguba. Hkrati pa, seveda, ne glede na izbrane strategije zahteva od trgovca, da bi povečali hladnokrvno dojemajo in ocenjujejo stanje, ki se je pojavila na trgu.

zaključek

Tako je uporaba regresijo vam omogoča, da hitro in enostavno kategorizirati anketirancev v kategorije v skladu z določenimi parametri. Pri analizi možnosti uporabe na določen način. Še posebej, vsestranskost različnih MULTINOMIAL regresije. Vendar pa strokovnjaki priporočajo uporabo vseh opisanih metod v kompleksu. To je posledica dejstva, da se bo v tem primeru kakovost modela bila bistveno višja. To pa, razširiti obseg njene uporabe.