02-1602-1602-1602-1602-1602-1602-1602-1602-1602-16最新范文01-0101-0101-0101-0101-0101-0101-0101-0101-0101-0101-0101-0101-0101-0101-01如何用SPSS做logistic回归分析?求：分步骤图解流程,菜鸟也可以按照步骤可以做出结果.
如何用SPSS做logistic回归分析?求：分步骤图解流程,菜鸟也可以按照步骤可以做出结果.比如多种因素性别、年龄、收入等对某种行为的影响.
电子工业出版社《PASW/SPSS Statistics中文版统计分析教程（第3版）(含CD光盘1张)》有详细介绍.
我有更好的回答：
剩余:2000字
与《如何用SPSS做logistic回归分析?求：分步骤图解流程,菜鸟也可以按照步骤可以做出结果.》相关的作业问题
把问题摆出来,数据变量,回归模型等等列出来,这样才看得清楚.（百度南心网,专业为您解决SPSS统计分析问题）
其实好多软件都可以做,比如excel,origin,spss,等,就是以你的数据问基础进行,曲线回归,用你最拿手的就行了,得到一个logistic曲线,然后从回归的曲线上找出,当存活率是0.5的时候,的温度,就行了
表4.22的结果是以“工作绩效”为结果变量,以“心理资本的四个维度为自变量,选用stepwise的方法进行回归分析,所得的结果为四维度均纳入回归模型；所对应的指标：R的平方（决定系数） delta R的平方（调整决定系数） beta是指回归系数.所以最后得出的回归模型应该是：工作绩效=心理资本总体*0.806+自我效能
这个不叫对数线性模型,真正的对数线性是用来分析分类变量影响因素的,你说的这种模型是对非线性回归分析模型进行对数变换以得到线性的模型,它的模型形式与对数有关,你要看清楚你说的“别人的论文”是何种情况,因为对数变换线性化的情况涉及到“半对数模型”和“双对数模型”两种.在SPSS中应该是使用计算功能计算出一个新的对数变换以后
基因多态性是几分类变量,如果是超过两分类的,需要先设置哑变量,其他自变量如果有的分类变量超过了两分类都需要设置哑变量,连续性变量和两分类变量可以直接使用.二型糖尿病的发病风险因变量是怎么赋值的,是否是分为“是或否”的,如果是就采用二分类的logistic回归分析法点开之后,将因变量移入,所有自变量均移入covariat
要做的内容很多了,除了正态性、残差分布情况,还要计算多重共线性,然后得到模型,可能还要做预测我替别人做这类的数据分析蛮多的
这个属于交叉表,但是spss做出来样子肯定和这个不同,你需要粘贴到Excel中,稍微整理一下.
调节变量可以是定性的,也可以是定量的.在做调节效应分析时,通常要将自变量和调节变量做中心化变换.简要模型：Y = aX + bM + cXM + e .Y 与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数,c 衡量了调节效应(moderating effect) 的大小.如果c 显著,说明M 的调节效应显
单组卡方分析,非参数里 再问： 是在非参数检验里面选择哪个？第一是卡方，第二是二项式，第三是游程，第四是1-样本K-S，第五是2个独立样本，第六是K个独立样本，第七是2个相关样本，第八是K个相关样本，选哪个呀 再答： 第一个
在spss中打开要处理的数据,然后点击菜单栏中的“分析”,下拉菜单中点“回归分析”,在回归分析的下拉菜单中点击“线性”,出现“线性回归”窗口,然后将要分析的变量和自变量拉入指定位置.点击统计.出现“线性回归：统计”窗口,点击残差下面的“Durbin-Watson”.然后点击继续,确定.就可以做DW检验了哈!
可以的哈!只要数据是成对的,样本足够大,也就是满足正态、线性关系就可以用相关分析哈!如计分方式没有关系,如果你存在反向计分,那么可能负相关.这个不是问题,作完相关分析之后,你还要用一个变量作为自变量+被试特征,另外一个变量作为因变量进行回归分析的.看我以前回答的问题是不是如你的问题相关,需要帮助的hi我! 再问： 如果
在SPSS中将多分类变量设置为哑变量比较麻烦,其中的一种方法就是将该多分类变量转换成N-1列的哑变量,举例来说,原多分类变量有四个取值（A/B/C/D）,这时需要设置三列哑变量,比如D2,D3,D4用如果变量值是B,则D2=1,否则取0,如果是C,则用D3=1,否则取0,如果是D,则D4=1,否则取0D2 D3 D41
按以下格式录入数据：分组 是否发病 人数1 1 261 2 242 1 292 2 21将变量“人数”Weight CasesAnalyze->Descriptive Statistics->Crosstabs：将分组放入“行”,将是否发病放入“列”,“统计Statistics”选项框内选择“Chi-square”,确
心理学量表根据量表说明先分别计算比如量表有几个维度,先算出几个维度的得分来,然后可以求这些维度之间的相关性也有的量表是不分维度用一个总分来表示,此时就更简单的求相关
用linest函数帮助文件如下：LINEST请参阅使用最小二乘法对已知数据进行最佳直线拟合,并返回描述此直线的数组.因为此函数返回数值数组,所以必须以数组公式的形式输入.直线的公式为：y = mx + b ory = m1x1 + m2x2 + ...+ b（如果有多个区域的 x 值）式中,因变量 y 是自变量 x 的
如果自变量里面的分类变量是只有两个分类的,那你就把它跟其他定量自变量一起挪到自变量对话框就可以的如果分类变量超过两个分类,有3个或以上时,需要实现设定哑变量或者是叫做虚拟变量.这个需要自己重新编码,就是把每个分类单独一列,该项选择了就编码成1,其他的是0然后把这些单独设置的全部一起移入自变量对话框跟定量自变量一起做回归
logit回归的结果一般不去太在意方程.数据发我,我看看 再问： 大哥（姐），做财务预警模型要有ST公司，我想问一下找得到30或35家2010年被首次ST 的公司吗？
5种植物一起建.每个数据都要输入.
用相关性检验就行,a中10中元素作为一组,b中10种元素作为一组,然后a与b做相关检验,相关检验如何做,你可以搜一下,很多检验方式,这里也不好回答,找有图文的,如有不明,可继续提问spss&logistic回归分析结果如何分析
如何用17.0进行二元和多元logistic回归分析
一、二元logistic回归分析
二元logistic回归分析的前提为因变量是可以转化为0、1的二分变量，如：死亡或者生存，男性或者女性，有或无，Yes或No，是或否的情况。
下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回归分析。
（一）数据准备和SPSS选项设置
第一步，原始数据的转化：如图1-1所示，其中脑梗塞可以分为ICAS、ECAS和NCAS三种，但现在我们仅考虑性别和年龄与ICAS的关系，因此将分组数据ICAS、ECAS和NCAS转化为1、0分类，是ICAS赋值为1，否赋值为0。年龄为数值变量，可直接输入到spss中，而性别需要转化为（1、0）分类变量输入到spss当中，假设男性为1，女性为0，但在后续分析中系统会将1，0置换（下面还会介绍），因此为方便期间我们这里先将男女赋值置换，即男性为“0”，女性为“1”。
第二步：打开“二值Logistic 回归分析”对话框：
沿着主菜单的“分析（Analyze）→回归（Regression）→二元logistic（Binary
Logistic）”的路径（图1-2）打开二值Logistic 回归分析选项框（图1-3）。
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_32023.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
如图1-3左侧对话框中有许多变量，但在单因素方差分析中与ICAS显著相关的为性别、年龄、有无高血压，有无糖尿病等（P&0.05），因此我们这里选择以性别和年龄为例进行分析。
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_18917.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
在图1-3中，因为我们要性别和年龄与ICAS的相关程度，因此将ICAS选入因变量（Dependent）中，而将性别和年龄选入协变量（Covariates）框中，在协变量下方的“方法（Method）”一栏中，共有七个选项。采用第一种方法，即系统默认的强迫回归方法（进入“Enter”）。
接下来我们将对分类（Categorical），保存（Save），选项（Options）按照如图1-4、1-5、1-6中所示进行设置。在“分类”对话框中，因为性别为二分类变量，因此将其选入分类协变量中，参考类别为在分析中是以最小数值“0（第一个）”作为参考，还是将最大数值“1（最后一个）”作为参考，这里我们选择第一个“0”作为参考。在“存放”选项框中是指将不将数据输出到编辑显示区中。在“选项”对话框中要勾选如图几项，其中“exp(B)的CI(X)”一定要勾选，这个就是输出的OR和CI值，后面的95%为系统默认，不需要更改。
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_27775.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_13641.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_89703.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_99635.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
另外在“选项”对话框中，“输出”一栏中，系统默认为“在每个步骤中”，这里更改为“在最后一个步骤中”，即：输出结果将仅仅给出最终结果，而省略每一步的计算过程。由于我们采用强迫回归，逐步回归概率选项可以不管
此外还有一个选项需要说明。一是分类临界值（Classification
cutoff），默认值为0.5，即按四舍五入的原则将概率预测值化为0 或者1
将数值改为0.6，则大于等于0.6 的概率值才表示为1，否则为0。其情况余依此类推。二是最大迭代值（Maximum
Iterations），规定系统运算的迭代次数，默认值为20
次，为安全起见，我们将迭代次数增加到50。原因是，有时迭代次数太少，计算结果不能真正收敛。三是模型中包括常数项（Include
constant in model），即模型中保留截距。除了迭代次数之外，其余两个选项均采用系统默认值。
完成后，点击各项中“继续（Continue）”按钮。返回图1-3，单击“确定”按钮。
（二）结果解读
其他结果参照文章《利用SPSS进行Logistic回归分析》中解读，这里重点将两点：
第一，分类变量编码（图1-7），由于这里包括性别分类变量，而我们对性别赋值为1和0，但在spss中系统会默认把我们的数值进行置换，即1→参数编码0，0→参数编码1，而最终输出结果是以1来计算的，而0为参考数据。所以这也就是为什么我么之前要对研究组男性的赋值进行置换了。如果男性为1那么spss中最终输出的将是女性的分析结果。
第二，最终输出数据（图1-8）在该结果中，Exp(B)即为文献中提及的OR值，而EXP(B)的95%C.I.即为文献中提及的CI值。其中Exp(B)表示某因素（自变量）内该类别是其相应参考类别具有某种倾向性的倍数。而有的文献中提到的Crode
OR和Adjust OR则分别为单因素优势率（Crode odds ratio）和多因素优势率（Adjust odds
ratio），即仅对性
别单个变量的单因素分析或者对性别和年龄等多个变量进行多因素分析后所得到的不同结果。CI则为可信区间（Confidence
interval）。Sig.即我们常说的P值，P&0.05为显著（无效假说不成立，具有统计学意义），P&0.05为不显著（无效假说成立，不具有统计学意义）。
二、多项（多元、多分类、Multinomial）logistic回归分析
前面讲的二元logistic回归分析仅适合因变量Y只有两种取值（二分类）的情况，当Y具有两种以上的取值时，就要用多项logistic回归（Mutinomial
Regression）分析了。这种分析不仅可以用于医疗领域，也可以用于社会学、经济学、农业研究等多个领域。如不同阶段（初
一、初二、初三）学生视力下降程度，不同龋齿情况（轻度、中度、重度）下与刷牙、饮食、年龄的关系等。
下面我们以图1-2中，对apoba1（ApoB/AI）项中数值做四分位数后，将病人的ApoB/AI的比值划分为低、较低、中、高四个分位后利用多项logistic回归分析其与ICAS之间的相互关系。
首先来做四分位数，很多人在做四分位数的时候都是自己算出来的，其实在SPSS里面给出了做四分位数的程度即分析（Aanlyze）→描述统计（Descriptive
Statistics）→频率（Frequencies）。打如图2-1开频率对话框。将我们要分析的数值变量Apoba1选入到变量对话框中。
选择统计量，按照图2-2中勾选四分位数选项，其他选项按照自己需要勾选，然后点击图2-1中的确定按钮，开始运算。在图2-3中可以读取我们的四分位数
值。图中百分数表示的是对该变量做的四分位数的百分比，25表示前25%的，50表示前50%的，75表示前75%的。每一项对应的后面数值即为相应的四分位数，如0.5904，即为前25%的个体与后75%个体的分位数。
按照如上方法得出ApoB/AI的比率后我们可以把该比值划分为四个区间，即当ApoB/AI的比率&0.5904为低、当0.5904≤ApoB/AI的比率≤0.88时为较低、当0.89≤ApoB/AI的比率≤1.0886时为中，当ApoB/AI的比率&1.0886时为高。然后将这一划分如图1-1中“四分位数”一项用分类数值表示即1代表低，2代表较低，3代表中，4代表高。这里还要强调的是我们要研究其与ICAS之间的相互关系，那么我们需要将其设为二分类变量，即是ICAS的情况为1，否则为0，但多项logistic回归分析也会将1，0置换，所以我们需要在这里将我们需要研究的情况置换为0，然后将其他置换为1。下面就可以进行多项logistic回归分析了。如图
2-4打开多项logistic回归分析对话框（图2-5）。
如图2-5所示，在”因变量”中选入刚才我们输入的四分位数分类变量，在因子中输入分类变量ICAS（这里一定是分类变量，可以是一个也可以是多个），在“协变量”中输入数值变量如年龄（这里一定是数值变量，
可以是一个也可以是多个），但因本次没有对年龄进行分析，仅对ICAS进行了单因素分析，所以我们把年龄移出协变量选项。
在SPSS中对因变量的定义是，如果因变量Y有J个值（即Y有J类），以其中一个类别作为参考类别，其他类别都同他相比较生成J-1个冗余的Logit变换模型，而作为参考类别的其模型中所有系数均为0。在SPSS中可以对所选因变量的参考类别进行设置，如图2-5在因变量对话框下有一“参考类别”选项。点击后会弹出图2-6对话框。在该对话框中我们选中设定，输入数值1，这代表我们以分类数值1所代表的类别作为参考类别，即最低数值作为参考类别。
单击继续。当然也可以选择“第一类别”和“最后类别”，入选中分别表示以最低数值或最高数值作为参考类别。其他设置与二元Logistic分析相似，将我们要输出的项勾选即可，点击图2-5中确定，输出数据。
输出数据基本与二元Logistic分析相似，我们重点讲下最后一项“参考估计”，如图2-7所示，其中参考类别为ICAS=1的分类情况，而其中的ICAS=0分为2、3、4三种，分别给出了ICAS=0时的数值。而其中Exp(B)（即OR值）表示某因素（自变量）内该类别是其相应参考类别具有某种倾向性的倍数。如Exp(B)=2.235时，即表示在较轻这一类别下ICAS患者数为其他类别（ECAS和NCAS）的2.235倍。这里面的显著水平即为P值。
这里要强调的是，一些文献中在输出的时候经常会给出“Referent（参考）”项，这里的Referent，即为我们这里所选的参考类别1，因为
1作为参考类别，所以其所有数值为0
，即无数据输出。因此在文中需标注其为Referent。
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_80868.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_57833.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
<img src="http://simg.sinajs.cn/blog7style/images/common/sg_trans.gif" real_src ="http://www.cda.cn/uploadfile/image/_40747.png" ALT="" STYLE="border-width: border-style: margin: padding: 0 max-width: 100%;"
TITLE="spss&logistic回归分析结果如何分析" />
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。我是通过spss的分析回归二元logistic得出的.请问我的回归方程应该怎么写.另外帮我解释一下每个参数的意思,
就是系数加上变量这么来写啊,比如0.196VARVAR00003-.我替别人做这类的数据分析蛮多的
是不是互为相反数?12x^6y^5÷3x^2y^3=4x^4y^2=(±2x^2y)^2所以单项式是-2x^2y或2x^2y
对于集合A和B.定义运算：.对于集合A和B.定义运算：A x B={X|X=a * b,a∈A,b∈B},C=A x B,设A={1,2,3,4,},B={3,6,9}.（1）求集合C （2）若D={X|X=2k-1,k∈Z,X∈C},求D的每个子集中元素的和分别为m1,m2,m3,…,mK,求m1+m2+m3+…mk==== jiulang1989。第二问呢？
第二问C={3,6,9,12,18,24,27,36} 又由定义 X=2k-1,k∈Z,X∈C得D中元素为奇数所以D={3,9,27}其子集 {3} {9} {27} {3,9} {3,27} {9,27} {3,9,27}其实就是4*（3+9+27）
y=log1/3^（3x）*log3^（9x）=-[log3 (3x) *log3 (9x）]=-(1+log3 x)(2+log3 x)=-[(log3 x)?+(3log3 x) +2]=-[(log3 x)+3/2]?+1/4因为1/3≦x≦9,所以-1≦log3 x≦2则当log3 x=-1,即x=1/3时,函数y有最大值为0；当log3 x=2,即x=9时,函数y有最小值为－12.
f(x+1)=x?+2x+3设x+1=t则x=t-1则f(x+1)=x?+2x+3=（t-1)^2+2(t-1)+3=t^2-2t+1+2t-2+3=t^2+2则f（x）=x^2+2
其他相关问题关注今日：18 | 主题：204164
微信扫一扫
【求助】SPSS中Logistic回归分析结果看不懂，请教
页码直达：
这个帖子发布于4年零43天前，其中的信息可能已发生改变或有所发展。
以死亡作为因变量，纳入GCS评分、休克、脓毒症等作为自变量。向前法作Logistic回归分析，我自己的理解是GCS评分、休克、脓毒症都可以纳入方程，作为死亡的危险因素。因为第二张表中检验结果显示3个自变量均不必剔除出方程。但是第一张表格中，休克的显著性P值为1.000，明显大于0.05，我的原始数据中死亡组患者100%存在休克，存活组68.8%存在休克，两组比较（卡方检验）有统计学差异。我的理解休克应该是留在方程中的，所以P值很小才对啊。不知道这里为什么是这样的？这种情况怎么解释。该怎么办？
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
smilezhujg 编辑于
同求，我做出来也是一样的结果，p值哪儿还有一些字母，不知怎么解释？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
建议改为英文界面。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
你好，请问这个结果知道怎么分析了吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园}