目录
算法原理
数学模型
极大似然法
Newton牛顿迭代法
logit回归分析步骤
一、二元logit分析
1.基本说明
2.数据处理
3.SPSSAU上传数据
4.分析前提示
5.SPSSAU分析
6.其它说明
二、多分类logit分析
1.基本说明
2.数据要求与处理
3.SPSSAU上传数据
4.SPSSAU分析
5.其它说明
三、有序logit分析
1.基本说明
2.SPSSAU上传数据
3.参数选择
4.SPSSAU分析
5.其它说明
SPSSAU
二元Logit回归案例
1、背景
2、理论
3、操作
4、SPSSAU输出结果
5、文字分析
6、剖析
疑难解惑
提示“出现奇异矩阵”
提示“Y值恒定”
提示‘数据质量异常’
提示“Y值只能为0或1”
McFadden R 方、Cox & Snell R 方和Nagelkerke R 方相关问题？
‘Hosmer-Lemeshow拟合度检验’问题
二元logit回归提示数据质量异常？
z 值的意义是什么？
crude OR和adjusted OR值？
SPSSAU进行二元Logit回归时多少样本量适合？
二元Logit回归时结果显示各分组项？
SPSSAU进行二元logit回归的分析方式？
SPSSAU边际效应的使用？
Hosmer和Lemeshow检验(HL检验)过程表格解读？
二元logistic回归进行共线性诊断？
二元logistic回归逐步回归中间过程值？
二元logistic回归进行交互项设置？
二元logistic回归时输出OR值非常大？
p for trend这个指标如何计算？
应用案例
一、案例介绍
二、问题分析
三、软件操作及结果解读
四、结论
五、知识小贴士
算法原理
数学模型
大家都知道，二元logistic回归时，其实际分析上是研究X对于Y的影响，而且Y为二分类数据，比如是否愿意购买产品，是否喜欢，是否购买直播带货商品等。数字1代表YES，数字0代表NO。而且X对于Y的影响时，数学模型可构建如下：
这里使用到了数学上的“极大似然法”原理，即：当前比如有219个样本数据（219行），那么就有219个Y值，而且219个Y值里面有的是数字1，有的是数字0，比如本文档使用的数据Y为‘是否购买直播带货’，其中有194个为数字1即购买过直播带货，25个没有购买过直播带货（数字为0）。既然出来了这样的结果，那么就说明当前这种情况（194个为yes，25个为no），这种情况并非偶然而一种最大的可能（似想为什么没有出现比如100个yes和94个no呢？），这种思想就称为“极大似然法”。
