人大经济论坛 › 论坛 › 数据科学与人工智能 › 数据分析与数据科学 › SPSS论坛 › logistic自变量的筛选方法

CDA数据分析研究院

商业数据分析与大数据领航教育品牌



经管云课堂

经管/金融/财会/社科/名师公开课



学术培训

Stata 空间计量 SSCI Python

贵宾：通行论坛特权+数据库权限
+案例库+下载特权 VIP：论坛特权+更多下载次数
+ccerdata数据库+更高阅读权限+……

12 下一页

发帖

楼主: 1306116001

15888 10

[问答] logistic自变量的筛选方法 [推广有奖]

4关注
0粉丝

小学生

14%

还不是VIP/贵宾

威望: 0 级
论坛币: 10 个
通用积分: 0
学术水平: 0 点
热心指数: 0 点
信用等级: 0 点
经验: 92 点
帖子: 5
精华: 0
在线时间: 4 小时
注册时间: 2013-3-16
最后登录: 2014-6-5

楼主

1306116001 发表于 2014-5-29 20:28:20 |只看作者 |坛友微信交流群|倒序 |AI写论文

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

各位高手、大虾们：
本人最近在做一个二分类因变量影响因素的Logistic回归分析，自变量为企业的财务指标（20多个），因变量为是否违约，在自变量的筛选上碰到一些问题，我查阅有关资料发现有用主成分分析的、因子分析的、单变量分析和多变量分析的，到底应该如何选择这些方法，顺序是什么~~~~还请各位给予指点，提出宝贵建议，谢谢！欢迎参与讨论~~~

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：logistic logisti ogistic logist logis ogistic SPSS 财务指标自变量

相关帖子

使用道具举报

沙发

kuangsir6 发表于 2014-5-29 20:46:42 |只看作者 |坛友微信交流群

数据挖掘中的特征选择方法
https://bbs.pinggu.org/thread-927275-1-1.html

使用道具举报

藤椅

URSIMON 发表于 2014-5-29 20:48:35 |只看作者 |坛友微信交流群

似乎你没有弄明白pca,factor analysis是做什么的,你已经有了模型,如果是为了找出最佳的模型应该用stepwise,forward和backward

使用道具举报

板凳

1306116001 发表于 2014-5-29 21:14:33 |只看作者 |坛友微信交流群

URSIMON 发表于 2014-5-29 20:48
似乎你没有弄明白pca,factor analysis是做什么的,你已经有了模型,如果是为了找出最佳的模型应该用stepwise, ...

谢谢您的回答，目前的数据只是“是否违约”（因变量）和企业“财务指标”（自变量），自变量里面很可能存在对因变量影响程度非常低的指标，同时自变量两两之间也会出现相关性影响。我现在想知道如何简化指标，换句话说就是把“与因变量相关性强的自变量选出来”同时“消除自变量的多重共线性”，不知道用什么方法

使用道具举报

报纸

411485970

发表于 2014-6-1 19:57:31 |只看作者 |坛友微信交流群

1306116001 发表于 2014-5-29 21:14
谢谢您的回答，目前的数据只是“是否违约”（因变量）和企业“财务指标”（自变量），自变量里面很可能存 ...

如果你是要进行变量筛选，建议用因子分析。。。

使用道具举报

地板

1306116001 发表于 2014-6-3 15:56:51 |只看作者 |坛友微信交流群

411485970 发表于 2014-6-1 19:57
如果你是要进行变量筛选，建议用因子分析。。。

请问企业的财务指标在带入SPSS进行因子分析时还需要进行处理吗？还是把流动比率、存货周转率等等这些指标值直接放入SPSS进行因子分析？谢谢

使用道具举报

7楼

kuangsir6 发表于 2014-6-3 17:48:08 |只看作者 |坛友微信交流群

特征选择是指从高维特征集合中根据某种评估标准选择输出性能最优的
特征子集,其目的是寻求保持数据集感兴趣特性的低维数据集合,通过低维数据
的分析来获得相应的高维数据特性,从而达到简化分析、获取数据有效特征以
及可视化数据的目标。
目前，许多机构的数据均已超载，因此简化和加快建模过程是特征选择
的根本优势。通过将注意力迅速集中到最重要的字段（变量）上，可以降低
所需的计算量，并且可以方便地找到因某种原因被忽略的小而重要的关系，
最终获得更简单、精确和易于解释的模型。通过减少模型中的字段数量，
可以减少评分时间以及未来迭代中所收集的数据量。
减少字段数量特别有利于Logistic 回归这样的模型。

使用道具举报