Cập nhật: 19/10/2022 bởi admin1
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Hồi quy nhị phân
Phân tích hồi qui logistic là một kỹ thuật thống kê để xem xét mối liên hệ giữa biến độc lập (biến số hoặc biến phân loại) với biến phụ thuộc là biến nhị phân
Về mặt toán học, mô hình logistic nhị phân có một biến phụ thuộc với hai giá trị có thể có, chẳng hạn như đúng / sai- thắng / thua… chúng được biểu diễn bằng một biến chỉ báo, trong đó hai giá trị được gắn nhãn “0” và “1”.
Trong mô hình logistic, tỷ lệ log-log (logarit của tỷ lệ cược) với giá trị có nhãn “1” là sự kết hợp tuyến tính của một hoặc nhiều biến độc lập (“dự đoán”); Các biến độc lập có thể là một biến nhị phân (hai loại, được mã hóa bởi một biến chỉ số) hoặc một biến liên tục (bất kỳ giá trị thực nào). Xác suất tương ứng của một giá trị được gắn nhãn “1” có thể khác nhau giữa 0 (giá trị chắc chắn là “0”) và 1 (giá trị chắc chắn là “1”), do đó việc ghi nhãn; Hàm chuyển đổi sự khác biệt của nhật ký thành xác suất là hàm logistic
Thủ tục chạy hồi quy nhị phân cơ bản
Bước 1: Analyze -> Regression -> Binary Logistic…
Bước 2: Đưa biến
Đưa biến độc lập và ô Dependent
Đưa các biến phụ thuộc vào ô Covariantes
Phương pháp đưa biến để mặc định là Enter
Bước 3: Tại mục Save bạn có thể chọn 1 số lựa chon
(Không bắt buộc- mà tùy mục đích ở sau)
+ Chọn Probabilities nếu muốn lưu lại các xác xuất dự đoán theo model
+ Chọn Group membership nếu muốn lưu lại các nhóm dự đoán theo model
+ Chọn 1 khoảng cách (từ điểm dự đoán đế điểm thực) tại mục Infuluence, Nếu chọn người ta hay chọn Cook’s
+ Tại mục Residuals (phần dư) có thể chọn các phần dư muốn lưu, người ta hay chọn Studentized
Bước 4: Tại mục Opptions…
Chọn kiểm định Hosmer-Lemeshow , (sau đây sẽ gọi là kiểm định H-L hoặc HL) để đánh giá độ phù hợp của mô hình
Cuối cùng nhấn OK để được kết quả ở output.
Xem phần tiếp theo ở đây: https://vaxidi.com/chay-mo-hinh-logit-tren-spss-1/2