Logistisk regresjon: modeller og metoder

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistisk regresjon og diskriminant analyse blir brukt når det er nødvendig å skille tydelig mellom respondenter målrettede kategorier. Dessuten, disse gruppene er ét univariable parameter nivåer. а также выясним, для чего она нужна. Vurdere nærmere logistisk regresjonsmodell, samt finne ut hva det var for.

oversikt

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Et eksempel på problemet, i den oppløsning som anvendes logistisk regresjon, kan være en klassifisering av de spurte etter gruppe å kjøpe og ikke kjøpe den sennep. Differensieringen blir utført i henhold til sosio demografiske egenskaper. Disse inkluderer, særlig omfatte alder, kjønn, antall familiemedlemmer, inntekt og så videre. Det er kriterier for å differensiere og den variable i operasjonen. Den sistnevnte koder målkategorien som faktisk trenger å dele respondenter.

nyanser

, значительно уже, чем для дискриминантного анализа. Det må sies at området for de tilfeller hvor de anvendte regresjonslinjene logistikk, mye smalere enn den diskriminanten analyse. I denne forbindelse gjøres det bruk av den sistnevnte som en universell metode for differensiering ansett som mer foretrukket. Videre eksperter anbefaler å starte med en klassifiserings studie diskriminerende analyse. Og bare i tilfelle av usikkerhet for resultatene kan brukes logistisk regresjon. Denne nødvendighet er forårsaket av flere faktorer. используется при наличии четкого представления о типе независимых и зависимых переменных. Logistisk regresjon brukes når det er en klar idé om hvilken type uavhengige og avhengige variabler. I henhold til den valgte av de 3 mulige prosedyrer. Når diskriminant analyse, er forskeren alltid arbeider med en statisk operasjon. Den involverte en avhengige og flere uavhengige kategoriske variabler med omfanget av hvilken som helst type.

typer

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Mål statistiske undersøkelser som benytter en logistisk regresjon, er å bestemme sannsynligheten for at en spesiell oppgavegiver vil bli tildelt til en spesiell gruppe. Differensiering er utført i henhold til visse parametere. I praksis, i henhold til verdiene av en eller flere uavhengige faktorer kan klassifiseres i to grupper av respondenter. . I dette tilfellet er det en binær logistisk regresjon. Også spesifiserte parametere kan benyttes ved tildeling til gruppen, er større enn to. I en slik situasjon er det en multinomisk logistisk regresjon. Den resulterende gruppe uttrykt nivåer av hvilken som helst variabel.

eksempel

Anta at det er respondentenes svar på spørsmålet om de er interessert i et tilbud om å kjøpe land i en forstad til Moskva. I dette tilfellet, alternativene er "nei" og "ja". Vi må finne ut hvilke faktorer har en dominerende innflytelse på avgjørelsen av potensielle kjøpere. For denne respondenten spørsmålene blir spurt om infrastruktur av territoriet, avstanden til hovedstaden, landareal, tilstedeværelse / fravær av boliger og så videre. Ved hjelp av binær regresjon, kan fordeles på to grupper av respondenter. Den første vil omfatte de som er interessert i å kjøpe - potensielle kjøpere, og den andre, henholdsvis de som ikke er interessert i et slikt tilbud. For hver oppgavegiver, og i tillegg vil det bli beregnet sannsynligheten for tilordning til en eller annen kategori.

Sammenlignbare karakteristika

I motsetning til de to utførelsene ovenfor består i et annet antall og type av grupper avhengige og uavhengige variabler. I et binært regresjon, for eksempel, studerte avhengighet dichotomous faktor fra en eller flere uavhengige forhold. I dette tilfelle kan den sistnevnte være av hvilken som helst type skala. Multinomisk regresjon er ansett som en slags versjon av klassifiseringen. Det dreier seg om den avhengige variabelen for mer enn 2 grupper. Uavhengige faktorer må enten ha en ordinal eller nominell skala.

Logistic Regression i SPSS

Den statistisk pakke 11-12, innføring av en ny versjon av analysen - sekvensen. Denne metoden brukes når de er avhengig faktor relatert til det samme navn (ordinal) skala. I dette tilfellet er de uavhengige variablene valgt en bestemt type. De må enten være ordens eller nominell. Klassifisering i flere kategorier regnes som den mest allsidige. Denne metoden kan brukes i alle studier som brukte logistisk regresjon. , однако, можно только с помощью всех трех приемов. Forbedre kvaliteten på modellen, men er bare mulig ved å bruke alle tre metodene.

ordens klassifisering

Det sies at tidligere i statistikkpakken ikke ble gitt mulighet til å utføre en typisk spesialisert analyse for avhengige faktorer med et ordens skala. For alle variabler, med antall grupper på mer enn 2 brukes multinomisk alternativet. Innføres forholdsvis nylig sekvensanalyse har en rekke funksjoner. De tar hensyn til detaljene av skalaen det. часто не рассматривается как отдельный прием. I mellomtiden, i de metodiske håndbøker ordenslogistisk regresjon er ofte ikke behandlet som en egen resepsjon. Grunnen er som følger: serieanalyse ikke har noen betydelige fordeler fremfor multinomisk. Forskeren kan godt bruke sistnevnte i nærvær og ordinal og nominell avhengig variabel. Ved å gjøre det, klassifiseringsprosessen er nesten umulig å skille fra hverandre. Dette betyr at holde rekkefølgen analysen ikke vil føre til noen problemer.

analyse av alternativene

Vurdere enkel sak - en binær regresjon. For eksempel, i ferd med markedsføring forskning anslått etterspørsel etter kandidater av visse Metropolitan University. I spørreskjemaet ble respondentene spørsmål, blant annet:

1. Skal du jobbe? (Ql).
2. Angi år konfirmasjonen (q 21).
3. Hva er den gjennomsnittlige poengsum for utløpet (aver).
4. Kjønn (Q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistisk regresjon vil vurdere effekten av uavhengige faktorer aver, q 21 q 22 og ved variabel ql. Enkelt sagt, formålet med analysen er å fastslå den sannsynlige ansettelse av nyutdannede på grunnlag av informasjon om feltet, slutten av året, og gjennomsnittlig poengsum.

Logistic Regression

Å angi parametere ved hjelp av binær regresjon, bruker Analyze►Regression►Binary Logistic menyen. I Logistisk regresjon til å velge i venstre listen over tilgjengelige variabler avhengig faktor. De er ql. Denne variabelen må plasseres i Dependent feltet. Etter det må du gå inn på nettstedet kovariater uavhengige faktorer - q 21, q 22, aver. Deretter må du velge en måte å inkludere dem i analysen. Hvis antallet uavhengige faktorer av mer enn 2, ikke bruke metoden for samtidig administrering av alle variablene som er installert som standard, og trinn for trinn. Den mest populære måten anses Bakover: LR. Bruke Select-knappen, kan du ikke ta med i studiet av alle respondentene, og bare et bestemt mål kategori.

Definer Kategoriske variabler

Kategoriske knappen for å bruke i tilfelle når en av variablene er rangert til antall kategorier av mer enn to. I denne situasjonen, Define Kategoriske variabler vindu i Kategoriske kovariater stasjonen plassert like et slikt alternativ. I dette eksempelet mangler en slik variabel. Etter at rullegardinlisten, velger du elementet Kontrast Avvik og klikk på knappen Endre. Som et resultat, vil noen av de avhengige variablene genereres fra hver av merke faktor. Deres antall tilsvarer antallet av de opprinnelige vilkårene i kategorier.

Lagre nye variabler

Bruk knappen Lagre i hovedstudien er satt til å lage nye innstillinger i dialogboksen. De vil inneholde tall beregnet i prosessen med regresjon. Spesielt er det mulig å lage variabler som avgjør:

1. Som hører til en bestemt kategori av klassifikasjonen (Groupmembership).
2. Sannsynligheten for å klassifisere respondenter i hver studie gruppe (Probabilities).

Ved bruk av Alternativer-knappen forskeren ikke får noen store muligheter. Følgelig kan det bli ignorert. Ved å trykke på "OK" -knappen i hovedvinduet vises analyseresultater.

Kvalitetskontroll av logistisk regresjon tilstrekkelighet

Tenk tabellen Omnibus Testsof Modell koeffisienter. Det viser resultatene av analysen av kvaliteten på tilnærming modell. På grunn av det faktum at den inkrementelle alternativet, må du se resultatene av den siste etappen (Trinn 2) er innstilt. Ville bli betraktet som et positivt resultat, i hvilken den detekterte økning Chi-kvadrat-indeksen i overgangen til det neste trinn ved en høy grad av betydning (Sig. <0,05). Kvaliteten av modellen er estimert i Model linje. Hvis du får en negativ verdi, men det er ikke ansett som vesentlig dersom den samlede høy vesentlighet modell, kan den siste anses praktisk brukbare.

tabeller

Oppsummering modell gir et estimat av den totale dispersjon indeksen, som beskriver den modell konstruert (figur R Square). Det anbefales å bruke verdien Nagelker. Positiv indikator kan betraktes som en parameter Nagelkerke R Square, hvis den er høyere enn 0,50. Etter at evaluerte resultatene av klassifiseringen i hvilken selve indikatorer for å tilhøre en eller annen kategori av undersøkelsen sammenlignes med de forutsagt av regresjonsmodellen. For dette formålet bordet Classification Table. Den lar deg også til å trekke konklusjoner om riktigheten av differensiering for hver av de aktuelle gruppen. . Den følgende tabell gjør det mulig å finne statistisk signifikante uavhengige faktorer som legges inn i analysen, så vel som en ikke-standardisert faktor logistisk regresjon. På grunnlag av disse indikatorene kan forutsi tilknytning til hver oppgavegiver i prøven til en bestemt gruppe. Nye variabler kan angis med på Lagre-knappen. De vil inneholde opplysninger om medlemskap i en spesiell klassifisering kategori (Predictedcategory) og sannsynligheten for inkludering i disse gruppene (Forutsannsynlig medlemskap). Ved å trykke på "OK" -knappen i hovedvinduet vises multinomisk logistisk regresjon beregningsresultatene.

Den første tabellen, som inneholder viktige indikatorer for forskeren, - Modell Montering informasjon. Et høyt nivå av statistisk signifikans vil peke på den høye kvaliteten og egnetheten av bruk av modeller for å løse praktiske problemer. En annen viktig tabellen er Pseudo R-plassen. Den lar deg beregne hvor stor andel av den totale variansen i den avhengige faktoren, som er forårsaket av de uavhengige variablene som er valgt for analyse. Ifølge Tabell sannsynlighetsforhold Tester kan trekke konklusjoner om den statistiske signifikans av de sistnevnte. Parameterestimatene gjenspeiler ikke-standardiserte koeffisienter. De brukes i byggingen av ligningen. I tillegg, for hver kombinasjon av variabler bestemmes den statistiske signifikansen av deres innvirkning på den avhengige faktor. Samtidig er markedsundersøkelser ofte nødvendig å skille kategoriene av respondentene ikke separat, men som en del av målgruppen. For dette formålet bordet Observedand Forut frekvenser.

praktisk anvendelse

Betraktet analysemetode er mye brukt i arbeidet med handelsmenn. I 1991 ble den sigmoid logistisk regresjon indikator utviklet. Han er en lett-å-bruke og effektivt verktøy som kan brukes til å forutsi sannsynlige priser til deres "overoppheting". Indikatoren er presentert på en graf i form av en kanal som dannes av to linjer som strekker seg parallelt. De fjernet like langt fra trenden. Bredden på korridoren vil avhenge utelukkende på tidsrammen. Indikatoren brukes ved arbeid med nesten alle aktiva - fra valuta parene til edle metaller.

I praksis det produsert 2 sentrale strategier for bruk av instrumentet: sammenbrudd og en reversering. I det sistnevnte tilfelle trad vil fokusere på dynamikken i prisendringer i kanalen. På er sannsynligheten for at bevegelsen starter i motsatt retning når den nærmer seg kostnadene ved en støtte eller motstand linjehastighet. Hvis prisen er tett tilpasning til den øvre grensen, da eiendelen kan elimineres. Hvis det er på den nedre grensen, bør du tenke på å kjøpe. Strategi sammenbrudd innebærer bruk av tegningsretter. De er installert utenfor grensene av den relativt korte avstand. Tatt i betraktning at prisen i noen tilfeller bryter dem for en kort tid, bør du spille det trygt og sette stop-loss. Samtidig, selvfølgelig, uavhengig av den valgte strategien krever den næringsdrivende å maksimere kjølig oppfatte og vurdere situasjonen som har oppstått i markedet.

konklusjon

Dermed bruk av logistisk regresjon kan du raskt og enkelt kategorisere respondentene i kategorier i henhold til de angitte parametere. Ved å analysere den mulige anvendelse av en bestemt måte. Spesielt allsidigheten av forskjellig multinomisk regresjon. Men eksperter anbefaler bruk av alle de metoder som er beskrevet ovenfor i komplekset. Dette skyldes det faktum at i dette tilfellet kvaliteten av modellen vil være betydelig høyere. Dette, i sin tur, å utvide omfanget av dens anvendelse.