溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
今天就跟大家聊聊有關(guān)如何進行無序多分類logistic回歸分析，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
無序多分類logistic回歸分析，是用于研究自變量 X 與 應(yīng)（因）變量 Y（分類變量）的一種多元回歸分析法。自變量X 可以為分類變量或者連續(xù)型變量，因變量Y 為無序多分類變量，即不考慮因變量之間的等級信息，例如：職業(yè)可分為醫(yī)生、教師、工程師、工人等。
某研究人員欲了解不同社區(qū)和性別之間成年居民獲取健康知識途徑是否不同，對2個社區(qū)的314名成人進行了調(diào)查。（數(shù)據(jù)來源：醫(yī)學(xué)統(tǒng)計學(xué) 第4版，點擊“閱讀原文”獲取數(shù)據(jù)+密碼：adgm）
變量賦值情況
社區(qū)（X1） | 社區(qū)1=0 ，社區(qū)2 = 1 |
性別（X2） | 男=0 ， 女= 1 |
獲取健康知識途徑（Y） | 傳統(tǒng)大眾傳介= 1 ，網(wǎng)絡(luò)= 2 ，社區(qū)宣傳 = 3 |
數(shù)據(jù)視圖
變量視圖
問題剖析：該案例數(shù)據(jù)類型均為分類變量，因變量Y有三個水平（傳統(tǒng)大眾傳介= 1，網(wǎng)絡(luò)= 2 ，社區(qū)宣傳= 3 ）且無序性，故采用無序多分類logistic回歸分析。
【一】加權(quán)處理，對頻數(shù)“freq”進行加權(quán)
【二】單擊 “分析” “回歸” “多項logistic（M）”
【三】彈出如下所示對話框
【四】將“變量Y” 選入“因變量”，變量“社區(qū)”（X1）”和“性別（X2）”選入“因子”中，（若為連續(xù)型變量則放入“協(xié)變量”中）
其它選項可根據(jù)具體需要選擇
①個案處理摘要
②模型擬合信息
對模型進行似然比檢驗，P<0.001 表明該模型有統(tǒng)計學(xué)意義。兩表的解釋意義一樣。
③參數(shù)估計值
該結(jié)果以Y變量的“社區(qū)宣傳”為參考類水平。從結(jié)果來看，以檢驗水準(zhǔn) α = 0.05，傳統(tǒng)大眾媒介與社區(qū)宣傳相比 ，社區(qū)（X1）與性別（X2）（P<0.01 ）均有統(tǒng)計學(xué)意義（具體解釋可參考下面）。
網(wǎng)絡(luò)與社區(qū)宣傳相比，只有性別（X2）（P=0.004）有統(tǒng)計學(xué)意義；相比于社區(qū)宣傳，男生比女生更易接受網(wǎng)絡(luò)獲取健康知識途徑（P=0.004 , OR=2. 213），或者可以理解為男生通過網(wǎng)絡(luò)獲取健康知識是女生的2. 213倍。
看完上述內(nèi)容，你們對如何進行無序多分類logistic回歸分析有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼
