1.Categorical Variables Codings
这个表显示了所做的多分类变量的哑变量变换。
2.Block 1: Method = Backward Stepwise (Conditional)->Omnibus Tests of Model Coefficients
对模型的系数进行的卡方检验,是否显著相关。
3.Model Summary->-2 Log likelihood
最大似然估计值,范围在(0,正无穷大),一般观察此值是否随步数变化递增或递减,以判断方程收敛情况。所以,-2LL可用于检验Logistic回归的显著性。-2LL反映了在模型中包括了所有自变量后的误差,用于处理因变量无法解释的变动部分的显著性问题,又称为拟合劣度卡方统计量。当-2LL的实际显著性水平大于给定的显著性水平α时,因变量的变动中无法解释的部分是不显著的,意味着回归方程的拟合程度越好。
3.Model Summary->R Square
在回归模型里面,R方是决定系数,表明该变量的参与能够决定因变量的一个比例。
4.Hosmer and Lemeshow Test
这是一个方程拟合度检验,做的是虚无假设,假设拟合无偏差,查看sig值,如果是>0.05,说明应该接受结果,即认同拟合方程与真实的方程基本没有偏差。也就是说这个sig值越大越好。
5.Classification Table->Percentage Correct
观察最后一项值,Overall Percentage:88.3,这是说明通过该方程预测结果正确率可以达到88.3%,这里可以与Block 0里面的该值做比较,即引入变量比不引入变量后的预测正确率是提升还是减少,提升了多少。
6.Variables in the Equation
最主要的是要看懂这个表格里面的值。B:偏回归系数;S.E.:标准误差;(注意:这里是标准误差,而不是标准差,标准差指的是标准方差S.D.,有很多人在其后做系数标准化的时候以这个值为标准差代入计算,其实是错误的。);wald:检验因子;df:自由度;sig:显著性检验;EXP(B):OR值,也就是比数比。
设某变量的OR值为1.45。OR值的含义是指:如果该变量是连续变量,则该变量每增加1的时候,因变量为1预测正确率提升45%;如果是二分类变量,则是以0为基准,取值为1的时候预测正确率的比值;如果是多分类变量,则以常数重编码为0,0,0的变量为基准,其他几个分类对于它的比值。
也可参考:
http://blog.sina.com.cn/s/blog_4af3f0d20100byr9.html