SPSS 进行二元Logistic回归

用SPSS进行二元Logistic回归时，ABCDEFG七个变量，方法“向前：条件”，步骤12345依次进入ABCDE，在步骤4和步骤5时，classification table中都是96.6%，也就是说都能够预测96.6%，为什么不是在步骤4的时候结束？当预测准确率都是一样的时候，怎么判断两个回归的优劣？对变量进行因子分析的主要作用是什么？怎么判断时候有必要进行因子分析？进行因子分析后再进行二元Logistic回归的结果与没有进行的预测准确率是一样的是不是没有必要进行因子分析？

问题比较多，但是只有这些论坛币了，希望各位能够帮忙，非常感谢。

因子分析一般都是针对类似的变量进行降维的。
一般而言，进行因子分析的变量一定是连续变量。心理学里面有量表，量表一般都是用这个方法降维。不过我们在许多社会调查数据中得到的结果都是分类变量（比如态度是五分类的）。这个时候，如果允许较大程度的误差的话，分类变量是可以使用因子分析的，不过也必然会受到质疑。
因子分析的作用是在若干相似变量中提取公因子（这也暗示了一定要连续变量才可以），简化模型。比如：假设我们研究中要使用20个变量，但有五个可以提取因子成为一个新变量，另外五个也可以提一个。那么，分析师侯，纳入模型的就会有十二个。统计追求的是简洁明了，所以，它的作用大概就在这里。使用时候因地制宜吧，没有万能的方法。
进行logistic回归中有无必要进行因子分析：这个还是要看你所研究变量自身的属性，如上所述。
再有，logistic回归中四步和五步的比较：如果他们俩的区分度相等，那么，就像二楼朋友讲的，看它们其他方面的区别，比如AIC、BIC等，不一定非要几步，这个没有强制规定的。不过，我们在这个时候要比较四步模型和五步模型的-2LL或者-LL（不同统计软件报告方式不同），以及伪R方。这两个指标的意思就是：在likelihood估计中，-2LL是估计大小的问题，即模型有无作用，作用大致上是好是坏，这个遵循AIC，BIC。而伪R方就类似OLS和GLS的确定系数，是模型的解释力有多大。总的来看，-2ll越小，伪R方越大，模型越可取。

币倒不用，你的问题我也不是特别清楚。只是我以为，第五步的模型肯定比第四步的模型拟合效果更好吧，两个模型还是有区别的，比如在AIC上大小不一样。而且准确率一样是针对目前有限的特定训练集，对其他待测样品就不一定了嘛。然后，因子分析的使用你直接搜不到么，之后的我估计回答不了。

gr23 发表于 2014-8-11 14:47
币倒不用，你的问题我也不是特别清楚。只是我以为，第五步的模型肯定比第四步的模型拟合效果更好吧，两个模 ...

谢谢。因子分析看到的作用是简化模型，减少变量的个数，但是在论坛没搜索到想要的内容，就是最后一个问题，当预测结果相同时是否有必要进行因子分析，是不是将模型更加复杂化了。

youyouxiaoxiao 发表于 2014-8-11 15:21
谢谢。因子分析看到的作用是简化模型，减少变量的个数，但是在论坛没搜索到想要的内容，就是最后一个问题 ...

在逻辑回归之前先对自变量做因子分析？没遇到过，不了解，有必要吗。。。。

Alfred_G 发表于 2014-8-11 14:29
因子分析一般都是针对类似的变量进行降维的。
一般而言，进行因子分析的变量一定是连续变量。心理学里面有 ...

非常感谢！