Logistikos regresijos: modeliai ir metodai

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistinės regresijos ir Diskriminantas analizė yra naudojami, kai ji yra būtina aiškiai atskirti respondentams tikslinių kategorijų. Be to, šios grupės yra su viena Vienmatės parametrų lygiai. а также выясним, для чего она нужна. Apsvarstykite išsamiau logistinės regresijos modelį, taip pat sužinoti, kas tai buvo.

apžvalga

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Klausimo pavyzdys, tirpale, kuris naudojamas logistinę regresiją, gali būti respondentų grupe pirkimas ir nepirkdami garstyčių klasifikacija. Diferenciacija yra atliekamas pagal sociodemografinių charakteristikų. Tai apima, visų pirma, yra amžius, lytis, šeimos narių skaičius, pajamos ir tt. Yra kriterijai atskirti ir operacijoje kintamasis. Pastarasis koduoja tikslinę grupę, kuriai, tiesą sakant, reikia padalinti respondentų.

niuansai

, значительно уже, чем для дискриминантного анализа. Reikia pasakyti, kad tais atvejais diapazonas, kuriame taikomi regresijos logistika, daug siauresnė nei diskriminantinės analizė. Šiuo atžvilgiu, laikoma naudojimas pastarasis kaip universalus metodas diferenciacijos daugiau pirmenybė. Be to, ekspertai rekomenduoja pradedant klasifikacija studijų diskriminacinio analizė. Ir tik tuo atveju, netikrumo dėl rezultatai gali būti naudojami logistinę regresiją. Ši būtinybė sukelia keletas veiksnių. используется при наличии четкого представления о типе независимых и зависимых переменных. Logistinė regresija yra naudojamas, kai yra aiški mintis apie nepriklausomų ir priklausomų kintamųjų tipo. Atitinkamai, pasirinktas vienas iš 3 galimų procedūrų. Kai diskriminantinį analizė, tyrėjas visuomet susiduriame su statinio eksploatavimo. Jis dalyvauja viena išlaikomo ir keletas nepriklausomų kategorinius kintamuosius su bet kokio tipo skalę.

tipai

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Tikslas statistiniai tyrimai, kuri naudoja logistinę regresiją, yra nustatyti tikimybę, kad pirma Respondents būti priskirtą su tam tikra grupe. Diferencijavimas atliekamas pagal tam tikrus parametrus. Praktiškai pagal vienos ar daugiau nepriklausomų veiksnių reikšmių gali būti skirstomi į dvi grupes respondentų. . Šiuo atveju yra dvejetainis logistinė regresija. Taip pat nurodyti parametrai gali būti naudojami paskirstymo grupės yra didesnis nei dviejų. Tokioje situacijoje yra Polinominė logistinė regresija. Gautas grupė, išreikštas lygius pagal bet kurį vieną kintamąjį.

pavyzdys

Tarkime, kad yra respondentų atsakymai į klausimą, ar jie domisi pasiūlymas įsigyti žemės Maskvos priemiesčiuose klausimą. Šiuo atveju galimybės yra "ne" ir "taip". Mums reikia išsiaiškinti, kokie veiksniai turi pagrindinę įtaką potencialių pirkėjų sprendimą. Dėl šios atsakovo pateikiami klausimai apie teritorijos infrastruktūrą, atstumas iki sostinės, žemės plotas, buvimo / nebuvimo gyvenamųjų pastatų ir pan. Naudojant dvejetainis regresija gali būti paskirstytas į dvi grupes respondentų. Pirmasis apima tuos, kurie yra suinteresuoti įsigyti - potencialių pirkėjų, o antrasis, atitinkamai, tiems, kurie nėra suinteresuoti tokiu pasiūlymu. Kiekvienam respondentui, be to, jis bus apskaičiuojamas iš perleidimo tikimybę vienoje ar kitoje kategorijoje.

lyginamoji charakteristika

Skirtingai nuo dviejų įgyvendinimo variantuose aukščiau sudaro skirtingame ir tipo priklausomų grupių ir nepriklausomų kintamųjų. Dvejetainėje regresijos, pavyzdžiui, tiriamas priklausomybė dichotomiško faktorius iš vieno ar daugiau nepriklausomų sąlygomis. Šiuo atveju, ji gali būti bet kokio masto tipo. Polinominė regresija yra laikomas klasifikatoriaus versija natūra. Jis susijęs su priklausomo kintamojo daugiau nei 2 grupes. Nepriklausomi veiksniai turi arba yra kelintinis arba vardinės skalės.

Logistinės regresijos SPSS

Statistinis paketas 11-12, pristatė naują versiją analizė - seka. Šis metodas yra naudojamas, kai priklausomas veiksnys yra susijęs su to paties pavadinimo (ran) skalę. Šiuo atveju nepriklausomi kintamieji pasirinktas vieną konkretų tipą. Jie turi būti arba kelintinis arba vardinis. Klasifikavimas keliose kategorijose yra laikoma labiausiai universalus. Šis metodas gali būti naudojamas visų tyrimų, naudojamų logistinę regresiją. , однако, можно только с помощью всех трех приемов. Pagerinti modelio kokybę, tačiau yra įmanoma tik naudojant visus tris būdus.

kelintinis klasifikacija

Jis sakė, kad anksčiau statistiniu paketu nebuvo numatyta galimybė atlikti tipišką specializuotą analizę priklausomų faktorių su rangų skalę. Visų kintamųjų, su grupėmis daugiau nei 2 numeris, naudojamas MULTINOMIAL parinktį. Pristatė palyginti neseniai sekos analizė turi daug funkcijų. Jie atsižvelgia į tos apimties IT specifiką. часто не рассматривается как отдельный прием. Tuo tarpu, metodinius vadovus kelintinis logistinės regresijos dažnai nėra traktuojami kaip atskira registratūroje. Priežastis yra tokia: serijos analizė neturi jokių reikšmingų pranašumų Polinominė. Mokslininkas gali naudoti pastarajai buvimą ir skaitvardžiai, ir nominalios priklausomas kintamasis. Tai darydama, klasifikacija procesas yra beveik neatskiriami vienas nuo kito. Tai reiškia, kad ūkis užsakymas analizė nesukels jokių problemų.

Galimybių analizė

Apsvarstykite paprastą bylą - dvejetainį regresiją. Pavyzdžiui, marketingo tyrimų apskaičiuota paklausa absolventams tam tikrą Metropolitan University procesą. Į klausimyną, respondentų buvo prašoma klausimus, įskaitant:

1. Ar jūs dirbate? (Ql).
2. Nurodyti metų padalos (q 21).
3. Koks yra vidutinis rezultatas lizdo (Aver).
4. Lytis (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistinė regresija įvertins nepriklausomų veiksnių įtaka aver, q ir Q 21 22 kintamu QL. Paprasčiau tariant, analizės tikslas yra nustatyti tikėtiną absolventų įsidarbinimą dėl informacijos pagrindu srityje, kad iki metų pabaigos, o vidutinis balas.

logistinės regresijos

Norėdami nustatyti parametrus, naudojant dvejetainį regresiją, naudoti Analyze►Regression►Binary logistikos meniu. Į logistinės regresijos pasirinkti kairiajame sąrašą turimų kintamųjų priklauso veiksnys. Jie yra QL. Šis kintamasis turi būti dedamas į priklausomo srityje. Po to, jūs turite įvesti svetainėje kintamųjų nepriklausomus veiksnius - q 21, q 22, Aver. Tada jums reikia pasirinkti iš įskaitant juos į analizės būdu. Jei nepriklausomų veiksnių daugiau nei 2 numeris, nenaudokite vienalaikio administravimo visų kintamųjų, kurie yra įdiegta pagal nutylėjimą, ir žingsnio metodą po žingsnio. Populiariausias būdas yra laikomas atgal: LR. Naudojant Pasirinkite mygtuką, jūs negalite įtraukti į visų respondentų tyrimo ir tik konkrečios tikslinės kategorijas.

Nustatykite kategorišką Kintamieji

Kategoriškas mygtuką naudoti tuo atveju, kai vienas iš kintamųjų yra įvertinti į kategorijų daugiau nei 2 numeriu. Esant tokiai situacijai, nurodykite, kategoriškas kintamieji langą į kategorišką kintamųjų stotimi tik toks variantas. Šiame pavyzdyje, toks kintamasis nėra. Po to išskleidžiamajame sąraše pasirinkite elementą Contrast nukrypimų ir spustelėkite mygtuką Keisti. Kaip rezultatas, kai kurie iš priklausomų kintamųjų bus sukurta viena nuo vardinio faktoriaus. Jų skaičius atitinka nurodytas sąlygas kategorijų skaičius.

Išsaugoti naujus kintamuosius

Naudokite mygtuką "Išsaugoti" pagrindiniame tyrime nustatyta, kad sukurti dialogo lange Nauja nustatymų. Jie bus pateikti skaičiai apskaičiuojama regresijos procesą. Visų pirma, tai yra įmanoma sukurti kintamuosius, lemiančius:

1. Priklausymas tam tikros kategorijos klasifikaciją (Groupmembership).
2. Iš klasifikavimo respondentų kiekvienu tyrimo grupės (tikimybių) tikimybė.

Kai naudojate mygtuką Parinktys tyrėjas negauna jokių didelių galimybių. Taigi, tai gali būti ignoruojami. Paspaudus "OK" mygtuką pagrindiniame lange bus rodomi analizės rezultatai.

Kokybės kontrolė logistinės regresijos tinkamumo

Apsvarstykite stalo Omnibus Testsof Modelis koeficientus. Tai rodo iš po derinimo modelio kokybės analizės rezultatus. Atsižvelgiant į tai, kad dėl padidėjusių variantas, jums reikia žiūrėti į paskutinio etapo rezultatus (STEP2) buvo nustatytas. Būtų laikoma teigiamą rezultatą, kurioje aptiktas padidėjimas Chi kvadrato rodiklis pereinant prie sekančio žingsnio aukšto laipsnio reikšmę (Sig. "<0,05). Šio modelio kokybė įvertinta Modelis linija. Jei jūs gaunate neigiamą vertę, tačiau ji nėra laikoma reikšminga, jeigu bendras aukšto reikšmingumo modelis, paskutinis gali būti laikomi praktiškai naudoti.

stalai

Modelis santrauka pateikiama bendra dispersijos rodiklis, kuris apibūdina sukonstruotą modelį (pav R aikštė) sąmatą. Rekomenduojama taikyti vertę Nagelker. Teigiamas rodiklis gali būti laikomas kaip parametras Nagelkerke R Square, jei jis yra didesnis nei 0,50. Po to vertinami klasifikavimo, kuriame faktiniai rodikliai, priklausantys vienai ar kitai tyrimo kategorijos palyginti su tais, prognozuojama regresijos modelio rezultatai. Šiam tikslui lentelė klasifikavimas lentelėje. Ji taip pat leidžia jums padaryti išvadas apie diferenciacijos teisingumą kiekvienos atitinkamos grupės. . Toliau pateiktoje lentelėje leidžia rasti statistiškai reikšmingų nepriklausomų veiksnių įrašytas į analizę, taip pat nestandartizuotos faktoriaus logistinę regresiją. Remiantis šiais rodikliais galima prognozuoti pažiūras kiekvieno respondento mėginyje tam tikros grupės. Nauja kintamieji gali būti įrašytas, naudojant mygtuką "Išsaugoti". Jie bus pateikiama informacija apie konkrečios klasifikacijos kategorija (Predictedcategory) ir įtraukti į šių grupių tikimybe (prognozuojama tikimybė narystės) narystės. Paspaudus "OK" mygtuką pagrindiniame lange bus rodomas Polinominė logistinės regresijos skaičiavimo rezultatus.

Pirmoji lentelė, kurioje yra svarbūs rodikliai tyrėjo, - Modelis įrengimas Informacija. Aukšto lygio statistinio reikšmingumo bus atkreipti dėmesį į aukštos kokybės ir tinkamumo modelių naudojimą išspręsti praktines problemas. Dar vienas svarbus lentelėje yra Pseudo-R aikštė. Jis leidžia jums įvertinti visos dispersijos dalį į priklausomo veiksnio, kuris sukelia nepriklausomų kintamųjų pasirinktų analizei. Pasak lentelė tikimybė santykis bandymai gali daryti išvadas apie statistinio reikšmingumo pastarosios. Parametro įverčiai atspindi ne standartizuotus koeficientus. Jie naudojami lygtys statybos. Be to, kiekvienai kintamųjų kombinacijos lemia statistinį reikšmingumą jų poveikį priklausomo faktoriaus. Tuo tarpu rinkos tyrimų dažnai būtina diferencijuoti respondentų kategorijas atskirai, bet kaip tikslinei grupei. Šiam tikslui lentelė Observedand Numatomas dažnius.

praktinis taikymas

Laikoma analizės metodas yra plačiai naudojamas prekybininkų darbą. 1991 metais riestinės logistinės regresijos indikatorius buvo sukurtas. Jis yra paprasta naudoti ir veiksminga priemonė, kuri gali būti naudojama prognozuoti galimas kainas savo "perkaitimo". Rodiklis yra pateikiamos kuri priklauso nuo kanalo suformuota iš dviejų linijų, besitęsiančių lygiagrečiai forma diagramoje. Jie pašalinti vienodą atstumą nuo tendencija. Koridoriaus plotis priklausys tik nuo laikotarpį. Šis rodiklis naudojamas, kai dirba su beveik visų turto - iš valiutų porų su tauriaisiais metalais.

Praktiškai ji pagamino 2 pagrindines strategijas prietaisų naudojimo: Sunkvežimių pagalbos ir atstatymo. Pastaruoju atveju prekiautojas bus sutelkti dėmesį į kainų pokyčius per kanalą dinamika. Apie tai tikimybė, kad judėjimas prasideda priešinga kryptimi, nes ji priartėja prie paramos ar atsparumo linija norma išlaidas. Jei kaina yra glaudžiai tinka viršutinės ribos, tada turtas gali būti panaikintos. Jei jis yra apatinė riba, jums reikia galvoti apie perkant. Strategija pasiskirstymas apima orderių naudojimą. Jie yra įrengti ne pagal santykinai trumpą atstumą ribų. Atsižvelgiant į tai, kad kai kuriais atvejais kainos pažeisti juos per trumpą laiką, jūs turėtumėte žaisti saugu ir nustatykite stop-praradimo. Tuo pačiu metu, žinoma, nepriklausomai nuo pasirinktos strategijos reikalauja, kad ūkio subjektas padidinti ramiai suvokti ir įvertinti situaciją, susidariusią rinkoje.

išvada

Taigi, logistinės regresijos naudojimas leidžia jums greitai ir lengvai suskirstyti respondentus į kategorijas laikantis nurodytų parametrų. Analizuojant galimą panaudojimą tam tikru būdu. Visų pirma, skirtingų wielomianowego regresijos universalumas. Tačiau ekspertai rekomenduoja visų pirmiau aprašytų komplekso metodus. Taip yra dėl to, kad šiuo atveju modelio kokybė bus žymiai didesnis. Tai, savo ruožtu, išplėsti jos taikymo spektrą.