spss计算logistic回归后怎么判断自变量影响力（重要程度）？

相似文件 换一批

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

我使用二元逻辑回归函数，计算了几个变量。现在想对自变量进行一下排序，就是说看一下自变量的重要程度。我看书上说自变量的影响力需要用标准化回归系数来确定，根据标准化回归系数的大小来确定自变量的影响力。
我的问题是：
1，我的二元logistic回归函数正确吗？拟合准确吗？
我的Cox & Snell R Square>0.2,和Nagelkerke R Square>0.2可以说明模型拟合度高吗？
                                 Model Summary
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
1
2583.271                       0.299                                            0.399


2，回归系数在二元Logistic函数中是e的指数，可以用标准化回归系数表达二元Logistic函数中自变量的回归系数吗？
如果可以的话，下图中的S.E.代表的是自变量的标准差，那么因变量Y的标准差是多少？怎么计算？
Output4.rar (5.21 KB) 本附件包括：

• Output4.spo

2010-9-19 19:36:12 上传

谢谢了，

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3 回帖

关键词：logistic回归 logistic ogistic logisti logist 影响力 自变量 模型

Cox & Snell R Square
Nagelkerke R Square
都相对偏低，这些指数越靠近1说明拟合的越好！
在所有回归变量中,x1不显著，其他都是通过1%的显著性检验

哦，谢谢呀！！这个是看sig的值越小越好吗？

2楼正解！
如果单纯看趋势，而不是真的用你的模型去拟合实际数据，模型的特异性和有效性可以忽略，不太准也可以，就是第二张表的内容。
看楼主的输出结果，除了x1之外其余自变量都在0.01水平上对因变量有影响，影响大小就得看B值(偏回归系数）的大小了，B值绝对值大的，影响大，反之则小，由于logistic回归并不是线性，也可参考Exp（B)，就是比数比，对照一下，你可以看出B值大的话，比数比也大。因此，楼主数据中x5影响最大，还有一个更大的，就是那个constence，这个是截距，可以忽略。

楼主对Sig.的含义有偏差，Sig.的含义是可能性，也就是平常所说的P值，用统计语言说就是：在一次抽样中，抽到比Sig.所设定的概率（缺省是0.05）相等或更大的概率的可能性。这也就是说，你抽样一次，只有<5%的可能性样本P值落在0.05的界限内侧，也就是所谓差异显著。

忘说了，差异显著可不是影响显著，这是两个完全不同的概念。发现坛子里好多朋友对这两个概念都很模糊。

哎呀，感谢chyshl，和chyshl的指导，现在大概明白了。
总结如下：对于线性函数，比较自变量影响大小通过标准化回归系数，
对于非线性函数，首先比较回归系数的绝对值大小，它说明了它影响回归方程变化的幅度（也就是e的|b|次方）
其实主要是看EXP（b）的大小，它是效应系数，主要影响变量的程度和方向！
谢谢楼上各位的指导！

zbjlu 发表于 2010-9-20 09:49
哎呀，感谢chyshl，和chyshl的指导，现在大概明白了。
总结如下：对于线性函数，比较自变量影响大小通过标 ...

您好，想了解一下，SPSS中输出结果是没有标准化回归系数的吧，您是如何求得的呢？

可以参考的依据：
1.回归模型中各解释变量的的OR值，比较OR至的大小影响；
2.各自变量回归系数的检验p值。

仍需要使用标准化系数比较各个自变量所带来的影响，在《Six Approaches to Calculating Standardized Logistic Regression Coefficients》（Menard,2012）一文中有详细的讨论和说明。