Логистична регресия: модели и методи

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Логистичен регресионен данни и включва анализ се използва, когато е необходимо да се направи ясно разграничение анкетираните целеви категории. Освен това, тези групи са единични еднопроцесни нива на параметрите. а также выясним, для чего она нужна. Помислете за повече подробности логистичен регресионен модел, както и да разберете какво е било за.

Преглед

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Един пример за този проблем, в разтвора, който се използва логистична регресия, може да бъде класиране на участниците по групи купуване и не купуват горчица. Диференциацията се извършва съгласно социално-демографски характеристики. Те включват, по-специално, възраст, пол, брой на членовете на семейството, доходи и така нататък. Има критерии, за да се диференцират и променливата в операцията. Последният кодира целевата категорията, за която, всъщност, трябва да се разделят респондентите.

нюанси

, значительно уже, чем для дискриминантного анализа. Трябва да се каже, че кръгът от случаи, в които се прилагат регресивни логистика, много по-тясна от дискриминантен анализ. В тази връзка, използването на последните като универсален метод за диференциация се счита за по-предпочитани. Освен това, експертите препоръчват, започващи с класификация проучване дискриминационно анализ. И само в случай на несигурност за резултатите може да се използва логистична регресия. Тази необходимост се дължи на няколко фактора. используется при наличии четкого представления о типе независимых и зависимых переменных. Логистичен регресионен се използва, когато има ясна представа за вида на независими и зависими променливи. Съответно, избран един от 3 възможни процедури. Когато дискриминантен анализ, изследователят винаги се занимават със статична работа. В него са участвали един зависими и няколко независими категорични променливи с мащаба на всякакъв вид.

видове

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Цел статистически изследвания, която използва логистична регресия, е да се определи вероятността даден респондент ще бъде назначен за определена група. Диференциацията се извършва в съответствие с определени параметри. На практика, според стойностите на един или повече независими фактори могат да бъдат класифицирани в две групи респонденти. . В този случай, не е двоичен логистична регресия. Също така на определени параметри, може да се използва при разпределението на групата е по-голяма от два. В такава ситуация е налице полиноми логистична регресия. Получената групата изразена нива на всяка една променлива.

пример

Да предположим, че има отговори на анкетираните на въпроса дали се интересувате от предложение за придобиване на земя в покрайнините на Москва. В този случай, опциите са "не" и "да". Ние трябва да разберем какви фактори имат преобладаващ влияние върху решението на потенциалните купувачи. За тази респондент се задават въпроси за инфраструктурата на територията, разстоянието до столицата, площ земя, наличие / отсъствие на жилищни сгради и др. Използването на двоичен регресия, могат да бъдат разпределени в две групи респонденти. Първият ще включват тези, които се интересуват от закупуване - потенциални купувачи, а втората, съответно, тези, които не се интересуват от такава оферта. За всеки участник, освен това, той ще се изчислява вероятността за присвояване в една или друга категория.

Сравнителна характеристика

За разлика от две изпълнения по-горе се състои от различен брой и вид на групи зависими и независими променливи. В двоичен регресия, например, изследва зависимостта дихотомна фактор от един или повече независими условия. В този случай, тя може да бъде от всякакъв вид мащаб. MULTINOMIAL регресия се смята за един вид версия на класификацията. То се отнася до зависимата променлива за повече от 2 групи. Независими фактори трябва да имат или поредно или номинална скала.

Логистична регресия в SPSS

пакет 11-12 Статистическата, въведе нова версия на анализа - последователност. Този метод се използва, когато е зависима фактор се отнася до същото име (пореден) скала. В този случай на независимите променливи избрани един конкретен вид. Те трябва да бъдат или редни или номиналния. Класирането в няколко категории, се счита за най-разнообразни. Този метод може да се използва във всички проучвания, които използват логистична регресия. , однако, можно только с помощью всех трех приемов. Подобряване на качеството на модела, обаче, е възможно само с помощта на трите метода.

поредният класификация

Говори се, че по-рано през статистически пакет не е била предоставена възможност да изпълняват типично специализиран анализ за зависими фактори с категорийна скала. За всички променливи, с броя на групи от повече от 2 използват полиноми опция. Въведена сравнително наскоро анализ последователност има редица функции. Те вземат предвид спецификата на това скалата. часто не рассматривается как отдельный прием. В същото време, в методическите ръководства реден логистична регресия често не се третира като отделна рецепция. Причината за това е, както следва: сериен анализ няма никакви значителни предимства пред полиноми. Изследователят може да се използва последната в присъствието и редни, и номинална зависимата променлива. По този начин процесът на класификация са почти неразличими една от друга. Това означава, че анализът на холдинг ред няма да има никакви проблеми.

анализ на възможните варианти

Да разгледаме прост случай - двоичен регресия. Така например, в процеса на маркетингово проучване оценява търсенето на възпитаници на определен столичен университет. Във въпросника, анкетираните са били задавани въпроси, в това число:

1. Работите ли? (Ql).
2. Посочете година дипломирането (р 21).
3. Каква е средната оценка на изхода (твърдя).
4. Пол (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Логистична регресия ще оцени въздействието на независими фактори Заявявам, Q 21 и р 22 на променлива QL. Казано по-просто, целта на анализа е да се определи вероятната заетостта на завършилите въз основа на информация за областта, в края на годината, а средната оценка.

логистична регресия

За да зададете параметрите използвайте двоичен регресия, използвайте меню Analyze►Regression►Binary Логистичен. В логистична регресия да изберете в левия списък с наличните променливи зависим фактор. Те е QL. Тази променлива трябва да бъде поставен в областта на зависими. След това трябва да въведете променливи мястото на независими фактори - р 21, Q 22, твърдя. След това трябва да изберете начин за включването им в анализа. Ако броят на независимите фактори на повече от 2, не се използва метода на едновременно приложение на всички променливи, които се инсталират по подразбиране, и стъпка по стъпка. Най-популярният начин се счита назад: LR. С помощта на бутона за избор, не можете да се включат в изследването от всички анкетирани, а само със специфична целева категория.

Определяне на категорийните променливи

Категорична бутон, за да се използва в случая, когато една от променливите е класиран на броя на категориите повече от 2. В тази ситуация, Define категорийните променливи прозорец в станцията категоричното коизменения поставен точно такава възможност. В този пример, такава променлива липсва. След това падащия списък, изберете точка Contrast Отклонение и щракнете върху бутона Промяна. В резултат на това някои от зависимите променливи ще се генерира от всеки от номиналната фактор. Техният брой съответства на броя на първоначалните условия на категориите.

Запазване на нови променливи

Използвайте бутона Save в главното изследване е настроен да се създаде диалогов прозорец нови настройки. Те ще съдържа номера, изчислени в процес на регресия. По-специално, то е възможно да се създаде променливи, които определят:

1. Принадлежност към определена категория класификация (Groupmembership).
2. Вероятността за класифициране респонденти при всяко проучване група (Вероятности).

При използване на бутона за изследователя на опции не получи някакви значителни възможности. Съответно, могат да бъдат пренебрегнати. След натискане на бутона "ОК" в главния прозорец ще се покаже резултатите от анализите.

Контрол на качеството на логистична регресия адекватност

Обърнете внимание на маса Омнибус Testsof Модел коефициенти. Тя показва резултатите от анализа на качеството на модела на приближение. Поради факта, че постепенно опция, трябва да гледате на резултатите от последния етап (Стъпка 2) е определен. Ще се счита за положителен резултат, при който открива увеличение Chi-квадрат индекса в прехода към следващия етап на висока степен на значимост (Sig. <0,05). Качеството на модела се очаква в Модел линия. Ако получите отрицателна стойност, но това не се счита за значително, ако цялостното модела на високо ниво на същественост, последният може да се счита практически използваем.

маси

Модел Резюме осигурява оценка на общия индекс дисперсия, която описва конструиран модел (фигура Square R). Препоръчително е да се прилага стойността Nagelker. Положителен индикатор може да се счита като параметър R Square Nagelkerke, ако тя е по-висока от 0.50. След това оценява резултатите от класирането в който реалните показатели на принадлежност към една или друга категория на проучването са сравнени с тези предсказано от регресионния модел. За тази цел маса Класификация Таблица. Той също така ви позволява да се направят изводи за коректността на диференциация за всяка от въпросната група. . Таблицата по-долу дава възможност да се намери статистически значими независими фактори влезли в анализа, както и нестандартизирани фактор логистична регресия. Въз основа на тези показатели може да се предскаже принадлежност на всеки участник в пробата на определена група. Нови променливи могат да бъдат въведени с помощта на бутона Save. Те ще съдържат информация за принадлежност към определена категория класификация (Predictedcategory) и вероятността за включване в тези групи (Изчислена членство вероятности). След натискане на бутона "ОК" в главния прозорец ще се появи резултати от изчисленията MULTINOMIAL логистична регресия.

В първата таблица, която съдържа важни показатели за изследователя, - Модел монтаж информация. Високото ниво на статистическа значимост ще сочи към високото качество и целесъобразността от използването на модели за решаване на практически проблеми. Друг важен маса е Псевдо R-квадрат. Тя ви позволява да се изчисли делът на общото разсейване в зависим фактор, което е причинено от независимите променливи, избрани за анализ. Според таблица Вероятност Ratio Тестовете могат да се направят изводи за статистическата значимост на последните. Разчети параметъра отразяват нестандартизирани коефициенти. Те се използват в строителството на уравнението. В допълнение, за всяка комбинация от променливи се определя статистическата значимост на тяхното въздействие върху зависим фактор. В същото време, проучване на пазара, често е необходимо да се прави разлика категориите анкетираните не поотделно, а като част от целевата група. За тази цел на масата Observedand Прогнозираните честоти.

практическо приложение

Смятан метод за анализ се използва широко в работата на търговците. През 1991 г., индикаторът за сигмоидно логистична регресия е разработен. Той е лесен за използване и ефективен инструмент, който може да се използва за предвиждане на вероятните цени на тяхната "прегряване". Индикатор е представена графика, под формата на канал, образуван от две линии, простиращи се паралелно. Те отстраняват на равно разстояние от тази тенденция. Ширината на коридора ще зависи единствено от времевата рамка. Показателят се използва, когато се работи с почти всички актива - от валутни двойки за благородни метали.

На практика то е произвело 2 ключови стратегии за използване на инструмента: разбивка и обрат. В последния случай търговецът ще се фокусира върху динамиката на промените на цените в рамките на канала. На е вероятността, че движението започва в обратната посока, когато той се разходите за скорост на съпротива или подкрепа на линия. Ако цената е тясно годни до горната граница, а след това на актива може да бъде елиминиран. Ако тя е по-ниската граница, трябва да се мисли за закупуване. Стратегия разбивка включва използването на варанти. Те са монтирани извън границите на сравнително късо разстояние. Като се има предвид, че цената в някои случаи ги нарушават, за кратко време, трябва да играят на сигурно и да зададете стоп-загуба. В същото време, разбира се, независимо от избраната стратегия изисква търговецът да увеличи максимално хладнокръвно възприемат и оценка на ситуацията, който е възникнал на пазара.

заключение

По този начин, използването на логистична регресия ви позволява бързо и лесно да се категоризират в категории респонденти в съответствие с посочените параметри. При анализ на възможностите за използване на по определен начин. По-специално, гъвкавостта на различни полиноми регресия. Въпреки това, експертите препоръчват използването на всички методи описани по-горе в комплекса. Това се дължи на факта, че в този случай качеството на модела ще бъде значително по-висока. Това, от своя страна, разширяване на спектъра от неговото прилагане.