请教一个LOGISTICS二分类模型的问题

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

因变量为驾驶员是否服从交通信息板提供的改道建议，
自变量有年龄，性别，驾龄，驾驶频率，对信息版的留意程度，信任程度，对信息板的内容偏好，信息类型偏好等等。

采用Backward:conditional 的建模方法，最后的模型中没有包括内容偏好着一个变量，模型预测正确率为79.6%；

随后再强制加入内容偏好这一个变量，新的模型预测正确率为83%。

按理来说内容偏好着一个变量是因为相关度不高才被删除的，那么强制加入以后的模型精确度应该要低一些，可是为什么预测的正确率反而上升了？

期待大牛们指教，非常感谢！

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：LOGISTICS logistic ogistic logisti logist 模型 分类 LOGISTICS

不高也相关的，不等于无关，总会起作用。

所有迴歸模型的統計運用均呈現一種現象,即使用的解釋變數愈多, 可解釋變異量愈大, 所以在複迴歸模型中才會需要用調整後的相關係數平方(adjusted R square), 使用迴歸模型者即需在此進行取捨,

那是不是就是说，预测正确率高的模型其实它的相关系数的平方相对要小，在预测正确率方面有优势，但是在相关成程度上没有优势？

以下是引用nlinyn在2009-5-22 19:38:00的发言：
所有迴歸模型的統計運用均呈現一種現象,即使用的解釋變數愈多, 可解釋變異量愈大, 所以在複迴歸模型中才會需要用調整後的相關係數平方(adjusted R square), 使用迴歸模型者即需在此進行取捨,

那是不是就是说，预测正确率高的模型其实它的相关系数的平方相对要小，在预测正确率方面有优势，但是在相关成程度上没有优势？

以下是引用foxpro98在2009-5-22 16:46:00的发言：
不高也相关的，不等于无关，总会起作用。

这么说为什么系统最终没有选择预测正确率高的模型呢？

拟合度高并不代表模型有效，所有因素全部加入，拟合度还是百分之百呢，但是有什么用？

并不能一味的追求高拟合度。你的问题是，那个变量对于预测没有多大帮助，所以应当舍去。

從判定係數R square來看, 因其在單變量迴歸時即為標準迴歸係數的平方, (標準化下, 迴歸係數會等於其相關係數) 因此判定係數愈大, 其標準化相關係數也會愈大, 即此變量可解釋變異量愈大, 而如您所說的判定係數小,即表示變量的說明能力不佳. 這時還是要回到理論架構的推導來看是否有意義, 一般在商學上的研究要求相關係數0.3以上, 此時判定係數約等於0.1為可接受的變量, 但在經濟學上有時則不一定要求係數的大小, 而更重視變量本身的理論重要性.
        相關係數小, 可能表示無意義的變量, 也可能表示在兩個變數間還有其它重要的調節變數或中介變數未考慮到, 而相關係數大, 也不表示就是有意義的變量, 最後的說明還是理論架構的說明.

以下是引用823954913在2009-5-23 22:44:00的发言：

拟合度高并不代表模型有效，所有因素全部加入，拟合度还是百分之百呢，但是有什么用？

并不能一味的追求高拟合度。你的问题是，那个变量对于预测没有多大帮助，所以应当舍去。

那请问下在SPSS中用backward：conditional建模的时候，变量取舍的标准是什么呢？

以下是引用nlinyn在2009-5-24 14:21:00的发言：
從判定係數R square來看, 因其在單變量迴歸時即為標準迴歸係數的平方, (標準化下, 迴歸係數會等於其相關係數) 因此判定係數愈大, 其標準化相關係數也會愈大, 即此變量可解釋變異量愈大, 而如您所說的判定係數小,即表示變量的說明能力不佳. 這時還是要回到理論架構的推導來看是否有意義, 一般在商學上的研究要求相關係數0.3以上, 此時判定係數約等於0.1為可接受的變量, 但在經濟學上有時則不一定要求係數的大小, 而更重視變量本身的理論重要性.
        相關係數小, 可能表示無意義的變量, 也可能表示在兩個變數間還有其它重要的調節變數或中介變數未考慮到, 而相關係數大, 也不表示就是有意義的變量, 最後的說明還是理論架構的說明.

那请问下在SPSS中用backward：conditional建模的时候，变量取舍的标准是什么呢？