رگرسیون لجستیک: مدل ها و روش

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. رگرسیون لجستیک و تجزیه و تحلیل تفکیک استفاده می شود زمانی که لازم است به وضوح متمایز پاسخ دهندگان دسته هدف قرار دادند. علاوه بر این، این گروه ها تنها با یک سطح پارامتر های تک متغیری هستند. а также выясним, для чего она нужна. جزئیات بیشتر مدل رگرسیون لجستیک در نظر بگیرید، و همچنین پیدا کردن آنچه که آن را برای بود.

نمای کلی

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. یک مثال از این مشکل، در محلول استفاده شده است که رگرسیون لجستیک، ممکن است یک طبقه بندی از پاسخ دهندگان با خرید گروه و خردل خرید نیست. تمایز است با توجه به ویژگی های اجتماعی و جمعیتی انجام شده است. این خدمات عبارتند از، به ویژه، شامل سن، جنس، تعداد اعضای خانواده، درآمد و به همین ترتیب. معیارهای تمایز و متغیر را در عمل وجود دارد. دومی را کد گروه هدف که برای آن، در واقع، نیاز به تقسیم پاسخ دهندگان.

تفاوت های ظریف

, значительно уже, чем для дискриминантного анализа. باید گفت که طیف وسیعی از موارد که در آن تدارکات رگرسیون استفاده می شود، بسیار باریک تر از تجزیه و تحلیل تفکیک. در این راستا، استفاده از دومی به عنوان یک روش جهانی برای تمایز نظر گرفته شده است بیشتر ترجیح داده میشود. علاوه بر این، کارشناسان توصیه با تجزیه و تحلیل افتراقی مطالعه طبقه بندی آغاز می شود. و فقط در صورتی از عدم قطعیت برای نتایج را می توان مورد استفاده قرار گیرد رگرسیون لجستیک. این ضرورت که توسط عوامل متعددی ایجاد می شود. используется при наличии четкого представления о типе независимых и зависимых переменных. رگرسیون لجستیک استفاده شده است زمانی که یک ایده روشنی در مورد نوع متغیرهای مستقل و وابسته وجود دارد. بر این اساس، یکی از 3 روش ممکن است انتخاب شده است. هنگامی که تجزیه و تحلیل تفکیک، محقق است که همیشه با یک عملیات شخص برخورد. آن را با مقیاس هر نوع درگیر یک متغیرهای قطعی مستقل و وابسته چند.

انواع

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. تحقیقات آماری عینی، که با استفاده از یک رگرسیون لجستیک، به منظور تعیین احتمال که یک مخاطب خاص خواهد شد به یک گروه خاص اختصاص داده است. تمایز است با توجه به پارامترهای خاصی انجام شده است. در عمل، با توجه به ارزش یک یا مستقل تر عوامل را می توان به دو گروه از پاسخ دهندگان است. . در این مورد، یک رگرسیون لجستیک باینری وجود دارد. همچنین پارامترهای مشخص شده را می توان در تخصیص به گروه استفاده بیشتر از دو است. در چنین وضعیتی است که رگرسیون لجستیک وجود دارد. گروه حاصل سطح از هر یک متغیر بیان شده است.

مثال

فرض کنید پاسخ پاسخ دهندگان به این سوال که آیا آنها علاقه مند به یک پیشنهاد به دست آوردن زمین در حومه مسکو وجود دارد. در این مورد، گزینه ها "نه" و "بله." ما نیاز به پیدا کردن آنچه که عوامل که تاثیر غالب در تصمیم خریداران بالقوه است. برای این پاسخ دهنده پرسش ها در مورد زیرساخت از قلمرو خواست، فاصله تا پایتخت، مساحت زمین، وجود / عدم وجود ساختمان های مسکونی و غیره. با استفاده از رگرسیون باینری، را می توان در دو گروه از پاسخ دهندگان توزیع شده است. خریداران بالقوه، و دوم، به ترتیب، کسانی که علاقه مند هستند در چنین ارائه نمی - اولین کسانی که علاقه مند به خرید باشد. برای هر مخاطب علاوه بر این، از آن خواهد شد احتمال انتساب به یک گروه و یا یکی دیگر از محاسبه شده است.

ویژگی های تطبیقی

بر خلاف دو ماده فوق در تعداد و نوع گروه وابسته و متغیرهای مستقل مختلف تشکیل شده است. در رگرسیون باینری، برای مثال، از یک یا مستقل تر شرایط مطالعه وابستگی عامل دوگانه. در این مورد، دوم ممکن است از هر نوع مقیاس باشد. رگرسیون چند جمله نظر گرفته شده است یک نوع نسخه از طبقه بندی. آن را به متغیر وابسته برای بیش از 2 گروه مربوط می شود. عوامل مستقل باید یا ترتیبی و یا مقیاس اسمی دارند.

رگرسیون لجستیک در spss مورد

11-12 بسته آماری، معرفی یک نسخه جدید از تجزیه و تحلیل - دنباله. این روش زمانی استفاده می شود عامل وابسته مربوط به همین نام (ترتیبی) مقیاس. در این مورد متغیرهای مستقل یک نوع خاص انتخاب شده است. آنها باید یا ترتیبی یا اسمی باشد. طبقه بندی در چند دسته در نظر گرفته شده متنوع ترین. این روش می تواند در تمام مطالعات که رگرسیون لجستیک استفاده می شود. , однако, можно только с помощью всех трех приемов. بهبود کیفیت از مدل، با این حال، ممکن است تنها با استفاده از هر سه روش است.

طبقه بندی ترتیبی

گفته شده است که پیش از آن در بسته آماری بود این فرصت را به انجام تجزیه و تحلیل تخصصی معمول برای عوامل وابسته با مقیاس ترتیبی ارائه نشده است. برای همه متغیرها، با تعدادی از گروه های بیش از 2 مورد استفاده قرار گزینه چندگانه. معرفی نسبتا به تازگی تجزیه و تحلیل توالی است که تعدادی از ویژگی های. آنها را به حساب ویژگی های مقیاس آن را. часто не рассматривается как отдельный прием. در همین حال، در کتابچه های راهنمای روش رگرسیون لجستیک ترتیبی است که اغلب به عنوان یک پذیرش جداگانه تحت درمان است. دلیل آن این است شرح زیر است: تجزیه و تحلیل سریال هیچ مزایای قابل توجهی بیش چندگانه ندارد. پژوهشگر ممکن است به خوبی استفاده از دومی در حضور و ترتیبی، و متغیر وابسته اسمی. در انجام این کار، روند طبقه بندی تقریبا از یکدیگر غیر قابل تشخیص هستند. این به این معنی است که تجزیه و تحلیل برگزاری سفارش هر گونه مشکلی ایجاد نمی کند.

تجزیه و تحلیل از گزینه های

رگرسیون باینری - مورد ساده در نظر بگیرید. برای مثال، در روند پژوهش برآورد بازاریابی تقاضا برای فارغ التحصیلان دانشگاه متروپولیتن است. در پرسشنامه، پاسخ دهندگان سوال، از جمله پرسیده بودند از:

1. آیا شما کار؟ (QL).
2. مشخص فارغ التحصیلی سال (Q 21).
3. نمره متوسط و از خروجی (بطور قطع اظهار داشتن) است.
4. جنسیت (Q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. رگرسیون لجستیک در QL متغیر ارزیابی تاثیر عوامل مستقل یقین، Q 21 و q 22. به عبارت ساده، هدف از تجزیه و تحلیل برای تعیین اشتغال به احتمال زیاد از فارغ التحصیلان بر اساس اطلاعات در این زمینه، به پایان سال، و نمره متوسط است.

رگرسیون لجستیک

برای تنظیم پارامترهای با استفاده از رگرسیون باینری، استفاده از منوی Analyze►Regression►Binary لجستیک. در رگرسیون لجستیک به را انتخاب کنید در لیست سمت چپ از متغیرهای موجود عامل وابسته است. آنها QL است. این متغیر باید در این زمینه وابسته قرار داده است. Q 21، س 22، بطور قطع اظهار داشتن - پس از آن، شما باید عوامل مستقل وارد متغیرهای کمکی سایت. سپس شما نیاز به انتخاب یک راه از جمله آنها را در تجزیه و تحلیل. اگر تعدادی از عوامل مستقل از بیش از 2، از روش دولت همزمان همه متغیرها، که به طور پیش فرض نصب شده است، و گام به گام استفاده نمی کند. متداول ترین روش در نظر گرفته شده به عقب: LR. با استفاده از دکمه را انتخاب کنید، شما نمی توانید در این مطالعه از تمام پاسخ دهندگان، و تنها یک دسته بندی هدف خاص باشد.

تعریف متغیرهای قطعی

دکمه طبقه برای استفاده در مورد زمانی که یکی از متغیرهای به تعداد دسته ها بیش از 2 امتیاز. در این وضعیت، تعریف پنجره متغیرهای قطعی در ایستگاه طبقه متغیرهای کمکی قرار داده شده فقط یک گزینه است. در این مثال، چنین متغیری از دست رفته است. پس از آن لیست کشویی، آیتم انحراف کنتراست را انتخاب کنید و کلیک بر روی دکمه تغییر. به عنوان یک نتیجه، برخی از متغیرهای وابسته خواهد شد از هر یک از عوامل امتیاز تولید می شود. تعداد آنها مربوط به تعداد از شرایط اصلی از دسته.

ذخیره متغیرهای جدید

با استفاده از دکمه Save در مطالعه اصلی تنظیم شده است برای ایجاد تنظیمات جدید کادر محاوره ای. آنها اعداد محاسبه شده در روند پسرفت داشته باشد. به طور خاص، آن را ممکن است برای ایجاد متغیرهای که تعیین:

1. متعلق به یک گروه خاص از طبقه بندی (Groupmembership).
2. احتمال طبقه بندی پاسخ دهندگان در هر گروه مورد مطالعه (احتمالات).

هنگام استفاده از گزینه های محقق دکمه هیچ فرصت های قابل توجهی دریافت نمی کنند. بر این اساس، می توان آن را نادیده گرفت. پس از فشار دادن دکمه "تایید" را در پنجره اصلی خواهد شد نتایج تجزیه و تحلیل نمایش داده شود.

کنترل کیفیت کفایت رگرسیون لجستیک

جدول ضرایب اتوبوس Testsof مدل در نظر بگیرید. این نمایش نتایج تجزیه و تحلیل از کیفیت از مدل تقریب است. با توجه به این واقعیت است که این گزینه افزایشی، شما نیاز به تماشای نتایج آخرین مرحله (STEP2) تعیین شده است. دوست در نظر گرفته شود به یک نتیجه مثبت، که در آن افزایش شناسایی شاخص های آماری کای دو در گذار به مرحله بعدی در درجه بالایی از اهمیت (SIG. <0،05). کیفیت این مدل در خط مدل برآورد شده است. اگر شما یک مقدار منفی است، اما آن را به عنوان دار در نظر گرفته اگر مدل کلی مادیت بالا، گذشته را می توان در نظر گرفته عملا قابل استفاده است.

جداول

مدل خلاصه تخمینی از شاخص پراکندگی در کل، که مدل ساخته شده (شکل R مربع) توصیف می کند. توصیه می شود به اعمال ارزش Nagelker. شاخص مثبت می تواند به عنوان یک پارامتر Nagelkerke R میدان در نظر گرفته، اگر آن بالاتر از 0.50 است. پس از آن نتایج حاصل از طبقه بندی که در آن شاخص های واقعی متعلق به یک یا یکی دیگر از رده از مطالعه با کسانی که پیش بینی شده توسط مدل رگرسیون مقایسه ارزیابی شده است. برای این منظور جدول بندی جدول. همچنین اجازه می دهد شما را به نتیجه گیری در مورد صحت تمایز برای هر یک از گروه در سوال. . جدول زیر این امکان را برای پیدا کردن عوامل مستقل آماری معنی دار وارد شده به تجزیه و تحلیل و همچنین یک عامل رگرسیون لجستیک غیر استاندارد. بر اساس این شاخص ها می تواند وابستگی از هر پاسخ دهنده در نمونه به یک گروه خاص پیش بینی کند. متغیرهای جدید را می توان با استفاده از دکمه Save وارد شده است. آنها این اطلاعات را بر روی عضویت یک گروه خاص طبقه بندی (Predictedcategory) و احتمال گنجاندن در این گروه ها (احتمالات پیش بینی عضویت) باشد. پس از فشار دادن دکمه "تایید" را در پنجره اصلی نتایج محاسبات چند جمله رگرسیون لجستیک ظاهر خواهد شد.

اولین میز، که شامل شاخص های مهم برای محقق، - مدل اطلاعات چسبان. سطح بالایی از اهمیت آماری به کیفیت بالا و مناسب بودن استفاده از مدل های اشاره خواهد کرد برای حل مشکلات عملی است. جدول مهم دیگر، شبه R-میدان است. این اجازه می دهد شما را به برآورد نسبت از کل واریانس در عامل وابسته است که توسط متغیرهای مستقل برای تجزیه و تحلیل انتخاب ایجاد می شود. با توجه به آزمون نسبت احتمال جدول می توانید نتیجه گیری در مورد اهمیت آماری از دومی را جلب کند. برآورد پارامترها منعکس ضرایب غیر استاندارد. آنها در ساخت و ساز از معادله استفاده می شود. علاوه بر این، برای هر ترکیبی از متغیرهای اهمیت آماری تاثیر خود را بر عامل وابسته تعیین می شود. در همین حال، تحقیقات بازار است که اغلب لازم برای تشخیص این دسته از پاسخ دهندگان به طور جداگانه نیست، اما به عنوان بخشی از گروه هدف است. برای این منظور جدول Observedand فرکانس پیش بینی کرد.

کاربرد عملی

روش در نظر گرفته از تجزیه و تحلیل به طور گسترده ای در کار معامله گران استفاده می شود. در سال 1991، شاخص سیگموئید رگرسیون لجستیک توسعه داده شد. او یک ابزار آسان برای استفاده و کارآمد است که می تواند مورد استفاده قرار گیرد برای پیش بینی قیمت به احتمال زیاد "بیش از حد» است. شاخص بر روی یک نمودار در قالب یک کانال تشکیل شده توسط دو خط موازی گسترش در معرفی شده اند. آنها یک فاصله مساوی از روند حذف. عرض راهرو تنها در بازه زمانی بستگی دارد. شاخص استفاده شده است در هنگام کار با تقریبا تمام دارایی - از جفت ارز به فلزات گرانبها.

شکست و یک بازگشت: در عمل، آن 2 استراتژی های کلیدی برای استفاده از دستگاه تولید شده است. در مورد دوم معامله گر خواهد در پویایی تغییرات قیمت در کانال تمرکز می کنند. بر احتمال که جنبش در جهت مخالف شروع می شود را به عنوان روش هزینه پشتیبانی و یا مقاومت در برابر نرخ خط است. اگر قیمت از نزدیک به حد بالایی مناسب است، پس از آن دارایی می تواند حذف شود. اگر آن را در حد پایین تر است، شما باید در مورد خرید فکر می کنم. شکست استراتژی شامل استفاده از حکم. آنها خارج از محدوده فاصله نسبتا کوتاه نصب شده است. توجه به این که قیمت در برخی موارد آنها را نقض برای یک زمان کوتاه، شما باید بازی امن و مجموعه ای از توقف از دست دادن. در همان زمان، البته، بدون در نظر گرفتن استراتژی انتخاب نیاز به معامله گر برای به حداکثر رساندن خونسردی درک و ارزیابی وضعیت است که در بازار بوجود آمده است.

نتیجه

بنابراین، استفاده از رگرسیون لجستیک اجازه می دهد تا شما را به سرعت و به راحتی دسته بندی پاسخ دهندگان به دسته های مطابق با پارامترهای مشخص شده است. هنگام تجزیه و تحلیل امکان استفاده از یک روش خاص. به طور خاص، تطبیق پذیری از رگرسیون چندگانه مختلف. با این حال، کارشناسان توصیه به استفاده از تمام روش های بالا در مجتمع است. این به خاطر این واقعیت است که در این مورد کیفیت از مدل خواهد بود به طور قابل توجهی بالاتر است. این به نوبه خود، گسترش طیف وسیعی از کاربرد آن است.