多元 logistics 回归又称多分类 logistics 回归。医学研究、社会科学领域中， 存在因变量是多项的情况， 其中又分为无序（口味：苦、 甜、 酸、 辣；科目：数学、 自然、 语文、 英语） 和有序（辣度：微辣、 中辣、 重辣） 两类。对于这类数据需要用多元 logistics 回归。 扩展资料
多元 logistics 回归实际就是多个二元 logistics 回归模型描述各类与参考分类相比各因素的.作用。如， 对于一个三分类的因变量（口味：酸、甜、辣），可建立两个二元logistics回归模型，分别描述酸味与甜味相比及辣味与酸味相比，各口味的作用。但在估计这些模型参数时，所有对象是一起估计的，其他参数的意义及模型的筛选等与二元logistics类似。
Logistic回归分析结果表中的英文字母是什么意思?
logistic报告回归结果的
odds ratio（风险比），结果是否显著可以看sig。就是以一种样本为基础，其它的比之相比的风险。可以查阅一下统计学方面的书，就是一个比值，不是太难的。
多元logistic回归分析结果怎么看
系数值（B） 标准误（S.E.） 卡方值（Wald） 自由度（df） P值（Sig.） OR值Exp(B)常数（Constant），操作方法如下：
1、首先使用SPSSAU在线分析：找到logistic回归分析。
2、把想要分析的题项拖拽到指定的选框中，点击即可生成数据。
3、logistic回归分析得到结果，以及智能文字分析。
4、回归分析结果指标解读：第一个表格这里主要关注P值大小：如果该值小于0.05，则说明模型有效；反之则说明模型无效。
5、带二个表格中，这个表格用于研究X对于Y的影响关系情况，表格中有意义的指标信息包括：P值，回归系数，OR值和R Pseudo R?。其它指标包括标准误，Z值，95%CI值意义相对较小。
Logit回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据（可以做虚拟变量设置），也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。logit回归分析一般可分为三类，分别是二元logit回归、多分类logit回归、有序logit回归，三类logit回归区别如下：
（1）二元logit回归分析，因变量为二分类变量。
（2）多分类logit回归。因变量为分类数据多组且无序。
（3）有序logit回归，因变量为分类数据多组且有序。
二元Logit回归分析用于研究X对于Y的影响关系，其中X为定量数据或者定类数据，Y为二分类定类数据，（Y的数字一定只能为0和1）例如愿意和不愿意、是和否等。
（1）如果X是定类数据，比如性别或学历等。那么就需要首先对它们做虚拟哑变量处理，使用SPSSAU“数据处理”-“生成变量”功能。操作如下图：
因变量Y只能包括数字0和1，如果因变量的原始数据不是这样，那么就需要数据编码，设置成0和1，使用SPSSAU“数据处理”-“数据编码”功能，操作如下图：
（2）多分类logit回归
只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间不具有对比意义，例如，1代表“黑龙江省”，2代表“云南省”，3代表“四川省”，4代表“陕西省”，数值仅代表不同类别，数值大小不具有对比意义，那么应该使用多分类Logit回归分析。如果说因变量Y的类别个数很多，比如为10个，此时建议时对类别进行组合下，尽量少的减少类别数量，便于后续进行分析。此步骤可通过SPSSAU数据处理模块的数据编码功能完成。
在“进阶方法”模块中选择“多分类Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。
有序logit回归：
只要是logit回归，都是研究X对于Y的影响，区别在于因变量Y上，如果Y有多个选项，并且各个选项之间具有对比意义，例如：1代表不满意，2代表一般，3代表满意就可以使用有序logit回归分析。
在“进阶方法”模块中选择“有序Logit”方法，将Y定类变量放于上方分析框内，X定类/定量变量放于下方分析框内，点击“开始分析”即可。
本文来自作者[堵楚萓]投稿，不代表花卉屋立场，如若转载，请注明出处：https://huahuiwu.cn/hhwu/2189.html
评论列表（3条）
我是花卉屋的签约作者“堵楚萓”
本文概览：多元 logistics 回归又称多分类 logistics 回归。医学研究、社会科学领域中， 存在因变量是多项的情况， 其中又分为无序（口味：苦、 甜、 酸、 辣；科目：数学...
文章不错《多元logistic回归结果解读》内容很有帮助