Ლოგისტიკური რეგრესია: მოდელები და მეთოდები

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. ლოგისტიკური რეგრესია და discriminant ანალიზი გამოიყენება, როდესაც აუცილებელია მკაფიოდ გამიჯნული გამოკითხულთა მიზნობრივი კატეგორიაში. უფრო მეტიც, ამ ჯგუფების ერთი ერთგანზომილებიანი პარამეტრი დონეზე. а также выясним, для чего она нужна. განვიხილოთ უფრო დეტალურად ლოგისტიკური რეგრესია მოდელი, ასევე გაირკვეს, თუ რა იყო.

მიმოხილვა

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. მაგალითად, პრობლემა, გამოსავალი, რომელიც გამოიყენება ლოგისტიკური რეგრესია, შეიძლება კლასიფიკაცია რესპონდენტთა ჯგუფი ყიდვის და არ ყიდულობენ მდოგვი. დიფერენციაცია ხორციელდება სოციალურ-დემოგრაფიული მახასიათებლები. ესენია, კერძოდ მოიცავს ასაკის, სქესის, ოჯახის წევრთა რაოდენობის, შემოსავალი და ასე შემდეგ. არსებობს კრიტერიუმები განსხვავდება და ცვლადი ოპერაცია. ეს უკანასკნელი კოდირებას სამიზნე კატეგორიას, რომელიც, ფაქტობრივად, უნდა დაყოს რესპონდენტი.

ნიუანსი

, значительно уже, чем для дискриминантного анализа. უნდა ითქვას, რომ რიგ შემთხვევაში, რომელშიც გამოყენებული რეგრესიული ლოგისტიკის, ბევრად უფრო ვიწრო, ვიდრე discriminant ანალიზი. ამ მხრივ, გამოყენება ამ უკანასკნელის, როგორც უნივერსალური მეთოდი დიფერენციაციის ითვლება უფრო სასურველია. გარდა ამისა, ექსპერტების რეკომენდაცია დაწყებული კლასიფიკაცია სასწავლო დისკრიმინაციული ანალიზი. და მხოლოდ იმ შემთხვევაში გაურკვევლობის შედეგები შეიძლება გამოყენებულ ლოგისტიკური რეგრესია. ეს აუცილებლობა გამოწვეულია რამდენიმე ფაქტორი. используется при наличии четкого представления о типе независимых и зависимых переменных. ლოგისტიკური რეგრესია გამოიყენება, როდესაც არსებობს მკაფიო წარმოდგენა ტიპის დამოუკიდებელი და დამოკიდებული ცვლადები. შესაბამისად, ავტორმა ერთი 3 შესაძლო პროცედურები. როდესაც discriminant ანალიზი, მკვლევარი ყოველთვის საქმე სტატიკური ოპერაცია. ეს ჩართული ერთი დამოკიდებული და რამდენიმე დამოუკიდებელი კატეგორიული ცვლადები მასშტაბის ნებისმიერი ტიპის.

სახის

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. მიზანი სტატისტიკური კვლევა, რომელიც იყენებს ლოგისტიკური რეგრესია, რათა დადგინდეს, ალბათობა იმისა, რომ კონკრეტული რესპონდენტის დაევალება კონკრეტული ჯგუფის. დიფერენციაცია ხორციელდება გარკვეული პარამეტრების. პრაქტიკაში, შესაბამისად ღირებულებები ერთი ან მეტი დამოუკიდებელი ფაქტორები შეიძლება დაიყოს ორ ჯგუფად მიიჩნევს. . ამ შემთხვევაში, არ არის ორობითი ლოგისტიკური რეგრესია. ასევე მითითებული პარამეტრების შეიძლება გამოყენებულ იქნას გამოყოფის ჯგუფს, უფრო მეტია, ვიდრე ორი. ასეთ სიტუაციაში არ არის მულტინომიური რეგრესია. შედეგად ჯგუფის გამოთქვა დონეზე ნებისმიერი ცვლადი.

მაგალითად

დავუშვათ, რომ არსებობს პასუხები კითხვაზე, თუ რამდენად არიან დაინტერესებული წინადადება შეიძინოს მიწა გარეუბანში მოსკოვში. ამ შემთხვევაში, ვარიანტები "არა" და "დიახ". ჩვენ უნდა გაირკვეს, თუ რა ფაქტორები აქვს უპირატესი გავლენა გადაწყვეტილების პოტენციურ მყიდველებს. ამ მოპასუხე კითხვების სთხოვა ინფრასტრუქტურის შესახებ ტერიტორიაზე, მანძილი დედაქალაქში, მიწის ნაკვეთი, ყოფნა / არყოფნის საცხოვრებელი და ასე შემდეგ. გამოყენებით ორობითი რეგრესია, შეიძლება გადანაწილდეს ორ ჯგუფად მიიჩნევს. პირველი მოიცავს იმ, რომლებიც დაინტერესებულნი არიან შეძენა - პოტენციურ მყიდველებს, და მეორე, შესაბამისად, მათთვის, ვინც არ არის დაინტერესებული ასეთი შეთავაზება. თითოეული რესპონდენტი, გარდა ამისა, ეს იქნება გათვლილი ალბათობა დავალება ერთ კატეგორიაში, ან სხვა.

შედარებითი მახასიათებლები

განსხვავებით ორი embodiments ზემოთ შედგება სხვადასხვა რაოდენობის და ტიპის ჯგუფების დამოკიდებული და დამოუკიდებელი ცვლადი. In ორობითი რეგრესია, მაგალითად, შესწავლილი დამოკიდებულება დიქოტომიური ფაქტორი ერთი ან მეტი დამოუკიდებელი პირობები. ამ შემთხვევაში, ეს უკანასკნელი შეიძლება იყოს ნებისმიერი ტიპის მასშტაბით. Multinomial რეგრესია ითვლება სახის მობილური კლასიფიკაციით. ეს ეხება დამოკიდებული ცვლადი მეტია 2 ჯგუფები. დამოუკიდებელი ფაქტორი უნდა ჰქონდეს ან რიგითი ან ნომინალური მასშტაბით.

ლოგისტიკური რეგრესია spss

სტატისტიკური პაკეტი 11-12, ახალი მობილური ანალიზი - თანმიმდევრობით. ეს მეთოდი გამოიყენება, როდესაც დამოკიდებული ფაქტორი ეხება იგივე სახელი (რიგითი) მასშტაბით. ამ შემთხვევაში დამოუკიდებელი ცვლადები ავტორმა ერთი კონკრეტული ტიპის. ისინი უნდა იყოს რიგითი ან ნომინალური. კლასიფიკაციის რამდენიმე კატეგორიაში ითვლება ყველაზე მრავალმხრივი. ეს მეთოდი შეიძლება გამოყენებულ იქნას ყველა კვლევები, რომელიც გამოიყენება ლოგისტიკური რეგრესია. , однако, можно только с помощью всех трех приемов. ხარისხის გაუმჯობესება მოდელი, თუმცა, შესაძლებელია მხოლოდ გამოყენებით სამივე მეთოდები.

რიგითი კლასიფიკაცია

განცხადებაში ნათქვამია, რომ ადრე სტატისტიკური პაკეტი არ იყო გათვალისწინებული შესაძლებლობა ტიპიური სპეციალიზებული ანალიზი დამოკიდებული ფაქტორები რომელზეც სკალით. ყველა ცვლადები, რაოდენობის ჯგუფებს მეტი 2 გამოიყენება multinomial ვარიანტი. გააცნო შედარებით ცოტა ხნის წინ თანმიმდევრობით ანალიზი აქვს მთელი რიგი თვისებები. ისინი გაითვალისწინოს სპეციფიკა მასშტაბით იგი. часто не рассматривается как отдельный прием. იმავდროულად, მეთოდური სახელმძღვანელოები რიგითი ლოგისტიკური რეგრესია ხშირად არ განიხილება როგორც ცალკე მიღება. მიზეზი ასეთია: სერიული ანალიზი არ აქვს მნიშვნელოვანი უპირატესობები multinomial. მკვლევარი შეიძლება გამოიყენოს ამ უკანასკნელს ყოფნა და რიგითი და ნომინალური დამოკიდებული ცვლადი. ამით, კლასიფიკაციას პროცესი თითქმის არაფრით განსხვავდება ერთმანეთისგან. ეს ნიშნავს, რომ ჰოლდინგი რათა ანალიზი არ გამოიწვევს რაიმე პრობლემები.

ანალიზი პარამეტრები

განვიხილოთ მარტივი შემთხვევაში - ორობითი რეგრესია. მაგალითად, პროცესი მარკეტინგული კვლევის შედეგად დადგინდა, მოთხოვნა კურსდამთავრებულთა გარკვეული მეტროპოლიტენ უნივერსიტეტი. კითხვარი, გამოკითხულთა დასმული შეკითხვები, მათ შორის:

1. თქვენ მუშაობს? (Ql).
2. მიუთითეთ წლის დამთავრების (რ 21).
3. რა არის საშუალო ქულა outlet (AVer).
4. სქესი (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. ლოგისტიკური რეგრესია იქნება ზემოქმედების შესაფასებლად დამოუკიდებელი ფაქტორები AVer, q 21 და q 22 ცვლადი ql. მარტივად რომ ვთქვათ, იმ მიზნით, რომ ანალიზი, რათა დადგინდეს, სავარაუდოდ, კურსდამთავრებულთა დასაქმების საფუძველზე ინფორმაციის სფეროში, წლის ბოლომდე, ხოლო საშუალო ქულა.

ლოგისტიკური რეგრესია

მითითებული პარამეტრების გამოყენებით ორობითი რეგრესია, გამოიყენოთ Analyze►Regression►Binary Logistic მენიუში. იმ ლოგისტიკური რეგრესიის აირჩიოს მარცხენა სიაში არსებული ცვლადი დამოკიდებული ფაქტორი. ისინი არის ql. ეს ცვლადი უნდა განთავსდეს დამოკიდებული სფეროში. ამის შემდეგ, თქვენ უნდა შეიყვანოთ საიტი განმაპირობებელ დამოუკიდებელი ფაქტორები - q 21, q 22 AVer. მაშინ თქვენ უნდა აირჩიოს გზა, მათ შორის მათ ანალიზს. იმ შემთხვევაში, თუ დამოუკიდებელი ფაქტორები მეტი 2, არ გამოიყენოთ მეთოდი ერთდროულად ყველა ცვლადები, რომელიც ინსტალირდება და ეტაპობრივად. ყველაზე პოპულარული გზა ითვლება ჩამორჩენილი: LR. გამოყენებით აირჩიეთ ღილაკი, შეგიძლიათ არ შეიცავს შესწავლა ყველა რესპონდენტი, და მხოლოდ კონკრეტული სამიზნე კატეგორიაში.

განსაზღვრეთ კატეგორიული ცვლადები

კატეგორიული ღილაკს გამოყენება იმ შემთხვევაში, როდესაც ერთ-ერთი ცვლადი ფასდება რაოდენობის კატეგორიები მეტი 2. ამ სიტუაციაში, განსაზღვრეთ კატეგორიული ცვლადები ფანჯარა კატეგორიულ განმაპირობებელ სადგური განთავსდეს მხოლოდ ასეთი ვარიანტი. ამ მაგალითად, ასეთი ცვლადი არის დაკარგული. მას შემდეგ, რაც ჩამოსაშლელი სია, აირჩიეთ პუნქტი კონტრასტი გადახრა და დააჭირეთ შეცვლა ღილაკს. შედეგად, ზოგიერთი დამოკიდებული ცვლადების იქნება გამომუშავებული თითოეული რეიტინგულები ფაქტორი. მათი რიცხვი შეესაბამება რაოდენობის ორიგინალური თვალსაზრისით კატეგორიები.

გადავარჩინოთ ახალი ცვლადები

გამოიყენეთ Save ღილაკს ძირითად სასწავლო არის მითითებული, რომ შეიქმნას ახალი პარამეტრების ფანჯარა. ისინი შეიცავს ნომრები გათვლილი პროცესში რეგრესია. კერძოდ, შესაძლებელია შეიქმნას ცვლადები, რომ დადგინდეს:

1. რომლებიც კონკრეტულ კატეგორიაში კლასიფიკაციის (Groupmembership).
2. ალბათობა გასაიდუმლოების რესპოდენტი თითოეულ სასწავლო ჯგუფი (ალბათობა).

როდესაც გამოყენებით პარამეტრები ღილაკს მკვლევარი არ მიიღოს ნებისმიერი მნიშვნელოვანი შესაძლებლობები. შესაბამისად, შეიძლება იგნორირება. შემდეგ დაჭერით ღილაკს "OK" ძირითად ფანჯარაში გამოისახება ანალიზის შედეგები.

ხარისხის კონტროლი ლოგისტიკური რეგრესია ადეკვატურობის

განვიხილოთ მაგიდა Omnibus Testsof მოდელი კოეფიციენტები. იგი აჩვენებს შედეგების ანალიზი ხარისხის დაახლოების მოდელი. იმის გამო, რომ დამატებითი ვარიანტი, თქვენ უნდა ნახოთ შედეგების ბოლო ეტაპზე (Step2) შეიქმნა. განიხილება დადებითი შედეგი, რომელშიც გამოვლინდა ზრდა Chi-square ინდექსი გადასვლის შემდეგი ნაბიჯი მაღალი ხარისხით მნიშვნელობის (Sig. <0,05). ხარისხის მოდელი არის შეფასებული მოდელი ონლაინ. თუ თქვენ გაქვთ უარყოფითი მნიშვნელობა, მაგრამ ეს არ განიხილება, როგორც მნიშვნელოვანი, თუ საერთო მაღალი მასალად მოდელი, ბოლო შეიძლება ჩაითვალოს პრაქტიკულად გამოსადეგი.

მაგიდები

მოდელი შემაჯამებელი უზრუნველყოფს ხარჯთაღრიცხვა სულ დისპერსიული ინდექსი, რომელიც აღწერს აგებული მოდელი (ფიგურა R მოედანზე). მიზანშეწონილია ვრცელდება ღირებულება Nagelker. დადებითი მაჩვენებელი შეიძლება ჩაითვალოს, როგორც პარამეტრი Nagelkerke R Square, თუ იგი აღემატება 0.50. მას შემდეგ, რაც შედეგები შეაფასა კლასიფიკაციას რომელიც ფაქტობრივი მაჩვენებლები, რომლებიც ერთი ან მეორე კატეგორიას შესწავლა შედარებით იმ იწინასწარმეტყველა მიერ რეგრესიის მოდელი. ამ მიზნით მაგიდასთან კლასიფიკაციის მაგიდა. ეს ასევე საშუალებას გაძლევთ დასკვნები სისწორის დიფერენციაცია თითოეული ჯგუფის საკითხს. . შემდეგი ცხრილი შესაძლებელს ხდის, რათა იპოვოს სტატისტიკურად მნიშვნელოვანი დამოუკიდებელი ფაქტორი შევიდა ანალიზი, ისევე როგორც არასამთავრობო სტანდარტიზებული ფაქტორი ლოგისტიკური რეგრესია. საფუძველზე ამ მაჩვენებლების შეიძლება პროგნოზირება კუთვნილების თითოეული რესპონდენტი ნიმუში კონკრეტული ჯგუფის. ახალი ცვლადები შეიძლება შევიდნენ გამოყენებით Save ღილაკს. ისინი შეიცავს ინფორმაციას წევრობის კონკრეტული კლასიფიკაციით კატეგორიაში (Predictedcategory) და ალბათობა ჩართვის ამ ჯგუფების (ნავარაუდევი ალბათობა წევრობის). შემდეგ დაჭერით ღილაკს "OK" ძირითად ფანჯარაში გამოჩნდება მულტინომიური რეგრესიის გაანგარიშების შედეგები.

პირველი მაგიდა, რომელიც შეიცავს მნიშვნელოვანი მაჩვენებლები მკვლევარი, - Model Fitting ინფორმაცია. მაღალი დონის სტატისტიკური მნიშვნელობა იქნება აღვნიშნო, რომ მაღალი ხარისხის და ვარგისიანობის გამოყენების მოდელები გადაჭრის პრაქტიკული პრობლემები. კიდევ ერთი მნიშვნელოვანი მაგიდა არის ფსევდო R-მოედანზე. ეს საშუალებას გაძლევთ, რათა დადგინდეს წილი საერთო ეწინააღმდეგება დამოკიდებული ფაქტორი, რომელიც გამოწვეულია დამოუკიდებელი ცვლადები შერჩეულ ანალიზი. მისი თქმით, მაგიდის ალბათობა თანაფარდობა ტესტები შეიძლება გამოიტანოს შესახებ სტატისტიკური მნიშვნელობა ამ უკანასკნელის. პარამეტრების აფასებს ასახავს არასამთავრობო სტანდარტიზებული კოეფიციენტები. ისინი გამოიყენება სამშენებლო განტოლება. გარდა ამისა, თითოეული კომბინაცია ცვლადები განისაზღვრება სტატისტიკურ მნიშვნელობას მათი ზეგავლენა დამოკიდებული ფაქტორი. იმავდროულად, ბაზრის კვლევა ხშირად აუცილებელია დიფერენცირება კატეგორიები გამოკითხულთა არა ცალ-ცალკე, მაგრამ, როგორც ნაწილი სამიზნე ჯგუფს. ამ მიზნით მაგიდასთან Observedand ნავარაუდევი სიხშირეზე.

პრაქტიკული გამოყენების

ითვლება ანალიზის მეთოდი ფართოდ გამოიყენება მუშაობის გარემოვაჭრეები. 1991 წელს, სიგმოიდური ლოგისტიკური რეგრესია მაჩვენებელი შეიქმნა. იგი არის ადვილი გამოსაყენებელი და ეფექტური ინსტრუმენტი, რომელიც შეიძლება იქნას გამოყენებული პროგნოზირება სავარაუდოდ ფასები მათი "გადახურება". მაჩვენებელი არის წარმოდგენილი გრაფაში სახით არხი ჩამოყალიბდა ორი ხაზი გაგრძელების პარალელურად. ისინი ამოღებულ თანაბარი დაშორება ტენდენცია. სიგანე დერეფანი იქნება დამოკიდებული მხოლოდ ვადებში. მაჩვენებელი გამოიყენება, როდესაც მუშაობა თითქმის ყველა აქტივი - ვალუტის წყვილი ძვირფასი ლითონები.

პრაქტიკაში, წარმოებული 2 ძირითადი სტრატეგიების გამოყენების ინსტრუმენტის დაშლისა და შეცვლის. ამ უკანასკნელ შემთხვევაში მოვაჭრე ფოკუსირება დინამიკა ფასი ცვლილებების ფარგლებში არხი. On არის ალბათობა იმისა, რომ მოძრაობა იწყება საპირისპირო მიმართულებით, როგორც ის უახლოვდება ღირებულება მხარდაჭერა ან წინააღმდეგობის ხაზი კურსი. თუ ფასი მჭიდროდ მორგებული ზედა ზღვარი, მაშინ აქტივი შეიძლება აღმოიფხვრას. თუ ეს არის ქვედა ზღვარი, თქვენ უნდა ვიფიქროთ შეძენა. სტრატეგია ავარია მოიცავს გამოყენება მოითხოვს. ისინი დაყენებული გარეთ ლიმიტები შედარებით მოკლე მანძილზე. იმის გათვალისწინებით, რომ ფასი რიგ შემთხვევებში არღვევს მათ მოკლე დროში, თქვენ უნდა ითამაშოს ეს უსაფრთხო და მითითებული stop-loss. ამავე დროს, რა თქმა უნდა, მიუხედავად იმისა, რომ არჩეული სტრატეგია მოითხოვს მოვაჭრე, რათა მაქსიმალურად მშვიდად აღიქვამს და შეაფასოს სიტუაცია, რომელიც აღმოცენდა ბაზარზე.

დასკვნა

ამდენად, გამოყენების ლოგისტიკური რეგრესია საშუალებას გაძლევთ სწრაფად და მარტივად კატეგორიზაცია რესპონდენტების კატეგორიები შესაბამისად მითითებული პარამეტრების. როდესაც ანალიზის შესაძლო გამოყენების გარკვეული გზა. კერძოდ, versatility სხვადასხვა multinomial რეგრესია. თუმცა, ექსპერტების რეკომენდაციას გამოყენების ყველა მეთოდი ზემოთ აღწერილი კომპლექსში. ეს არის იმის გამო, რომ ამ შემთხვევაში ხარისხის მოდელი იქნება მნიშვნელოვნად მაღალია. ეს, თავის მხრივ, გაფართოებას მისი გამოყენება.