Lojistik regresyon: modeller ve yöntemler

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Lojistik regresyon ve diskriminant analizi açıkça Katılımcılara hedeflenen kategorileri ayırt etmek gerektiğinde kullanılır. Ayrıca, bu gruplar, tek tek değişkenli bir parametre seviyeleridir. а также выясним, для чего она нужна. ayrıca detay lojistik regresyon modeli düşünün, hem de ne için olduğunu bulmak.

genel bakış

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. sorunun bir örneği, lojistik regresyon kullanılır çözelti içinde, grup tarafından satın almaya cevap verenlerin hardal satın değil bir sınıflandırma olabilir. farklılaşma sosyo-demografik özelliklerine göre gerçekleştirilir. Bunlar özellikle, böylece yaş, cinsiyet, aile üyelerinin sayısını, gelir ve alır içerir. Farklılaştırmak için kriterler ve operasyonda değişken vardır. İkincisi, aslında yanıt verenlerin bölmek gerekir, hedef kategorisini kodlar.

nüansları

, значительно уже, чем для дискриминантного анализа. Bu söylemek gerekir ki vaka aralığı olan ayırt edici analiz daha önce uygulanabilir regresyon lojistik, daha dar olarak. Bu bağlamda, farklılaşma için evrensel bir yöntem olarak ikinci kullanılması daha çok tercih kabul edilir. Ayrıca, uzmanlar bir sınıflandırma çalışması ayrımcı analizi ile başlamanızı öneririz. Ve sadece sonuçlar için belirsizlik durumunda lojistik regresyon kullanılabilir. Bu gereklilik çeşitli faktörler neden olmaktadır. используется при наличии четкого представления о типе независимых и зависимых переменных. bağımsız ve bağımlı değişkenlerin türü hakkında net bir fikir olduğunda lojistik regresyon kullanılır. Buna uygun olarak, 3 farklı prosedürlerden biri seçilir. Ne zaman ayırma analizi, araştırmacı her zaman statik bir operasyonla uğraşıyor. Bu, herhangi bir tip ölçeğinde bir bağımlı ve çok sayıda bağımsız kategorik değişkenler çıkıyor.

türleri

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. bir lojistik regresyon kullanan amacı istatistiksel araştırmalar, belirli davalı belirli bir gruba atanacak olasılığını belirlenmesidir. Farklılaşma belirli parametrelere göre gerçekleştirilir. Pratikte, bir veya daha fazla bağımsız faktörlerin değerlerine göre katılımcıların iki grup halinde sınıflandırılabilir. . Bu durumda, bir ikili lojistik regresyon yoktur. Ayrıca, belirtilen parametreleri grubuna tahsis kullanılabilecek iki daha büyüktür. Böyle bir durumda bir multinomial lojistik regresyon yoktur. sonuçta ortaya çıkan grup, herhangi bir değişkenin seviyelerini ifade etmiştir.

örnek

Onlar Moskova banliyölerinde toprak elde etmek için bir teklifi ilgilenen olmadığını sorusuna katılımcıların cevapları vardır varsayalım. Bu durumda, seçenekler "hayır" ve "evet." Biz potansiyel alıcıların kararı üzerinde baskın bir etkiye sahip faktörlerin ne olduğunu bulmalıyız. Bu davalı için sorular topraklarının altyapısı hakkında sorulur, sermaye, arazi alanının, varlığı / konut olmaması vb. kullanarak ikili regresyon uzaklığı, katılımcıların iki grupta dağıtılabilir. Potansiyel alıcılar ve ikinci sırasıyla böyle bir teklif ilgilenen olmayanlar - ilk satın alma ilgilenenlere içerecektir. Her davalı için, ek olarak, bu, bir kategori ve bir atama olasılığını hesaplanır.

Mukayese özellikleri

İki düzenleme tersine, yukarıda farklı sayı ve bağımlı grup ve bağımsız değişkenlerin türü içerir. İkili regresyon, örneğin, bir veya birden fazla bağımsız koşullarından bağımlılık dikotom faktörünü inceledi. Bu durumda, ikinci ölçek herhangi bir türde olabilir. Multinominal regresyon sınıflandırma versiyonunun bir tür olarak kabul edilir. Bu, fazla 2 grup için, bağımlı değişken ile ilgilidir. Bağımsız faktörler bir ordinal veya nominal skalası'nı olması gerekir.

SPSS Lojistik Regresyon

istatistik paketi 11-12, analiz için yeni bir versiyon kişiye - sekansı. bağımlı faktör aynı ad (sıra) ölçeği ile ilgilidir, bu yöntem kullanılmaktadır. Bu durumda, bağımsız değişkenler olarak belirli bir tip seçilir. Bunlar sıralı veya nominal ya olmalıdır. birkaç kategoride sınıflandırılması en çok yönlü olarak kabul edilir. Bu yöntem lojistik regresyon kullanılan tüm çalışmalarda kullanılabilir. , однако, можно только с помощью всех трех приемов. Modelin kalitesini artırma, ancak, sadece üç yöntemi de kullanarak mümkündür.

sıra sınıflandırma

Istatistik paket içinde daha önce olağan bir ölçek ile bağımlı faktörler için tipik bir uzman analiz gerçekleştirmek için fırsat sağlanmadı söylenir. Tüm değişkenler için, 2'den fazla grup sayısı ile multinomial seçeneği kullanılır. nispeten yakın zamanda sunulan sekans analizi bir dizi özellik vardır. Bunlar dikkate ölçek onu özelliklerini alır. часто не рассматривается как отдельный прием. Bu arada, metodolojik kılavuzlarda sıralı lojistik regresyon genellikle ayrı alımı olarak kabul edilmez. Bunun nedeni aşağıda belirtilmiştir: Seri analizi multinomial üzerinde herhangi bir önemli avantajlara sahip değildir. Araştırmacı de varlığı ve sıra, nominal bağımlı değişken ikinci kullanabilir. Bunu yaparken, sınıflandırma işlemi birbirinden neredeyse ayırt edilemez. Bu tutma sırası analizi herhangi bir soruna neden olacağı anlamına gelir.

seçeneklerin analizi

İkili regresyon - basit durumu ele alalım. Örneğin, belirli büyükşehir üniversite mezunlarının pazarlama araştırması tahmini talep sürecinde. Ankette, katılımcıların sorularını da dahil olmak üzere soruldu:

1. çalışyormusun? (Ql).
2. yıl mezuniyet (q 21) belirtin.
3. çıkışına (aver) ortalama puanı nedir.
4. Cinsiyet (q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Lojistik regresyon değişken ql de, bağımsız faktörlerin etkisi aver q 21 ve q 22 değerlendirecektir. Basitçe söylemek gerekirse, analizin amacı alan, yıl sonuna ve ortalama puanı bilgilere dayanılarak mezunlarının muhtemel istihdam belirlemektir.

Lojistik Regresyon

İkili regresyon kullanılarak parametrelerini ayarlamak için Analyze►Regression►Binary Lojistik menüsünü kullanın. Lojistik Regresyon var olan değişkenler bağımlı faktör sol listesinde seçin. Onlar ql olduğunu. Bu değişken Bağımlı alanda yerleştirilmelidir. aver q 21, q 22 - Bundan sonra, site ortak değişkenler bağımsız faktörleri girmelisiniz. Sonra analize dahil edip bir yolunu seçmek gerekir. 2'den fazla bağımsız faktör sayısı, adım aynı anda varsayılan olarak yüklü olduğu tüm değişkenler, tatbik ve aşama yöntemi kullanmak yoksa. En popüler yolu Geriye kabul edilir: LR. Seç düğmesini kullanarak, tüm katılımcıların çalışma ve sadece belirli bir hedef kategorisinde içeremez.

Kategorik Değişkenler tanımla

değişkenlerden biri 2'den fazla kategori sayısı için puan edildiğinde Kategorik düğme durumunda kullanılacak. Bu durumda, böyle bir seçenek yerleştirilen Kategorik Eş değişkenler istasyonunda Kategorik değişkenler pencereyi tanımlayın. Bu örnekte, böyle bir değişken eksik. Bu açılan listeden sonra, öğe Kontrast sapma seçin ve Değiştir düğmesini tıklayın. Bunun bir sonucu olarak, bağımlı değişkenlerin bazıları alan faktörü her birinden oluşturulur. Onların sayısı kategorilerinin orijinal terimlerin sayısına karşılık gelir.

Yeni Değişkenler kaydet

Ana çalışmada Kaydet düğmesini kullanın yeni ayarlar iletişim kutusu oluşturmak için ayarlanır. Onlar gerileme sürecinde hesaplanan sayıları içerecektir. Özellikle, belirleyen değişkenler oluşturmak mümkündür:

1. sınıflandırma belirli bir kategori (Groupmembership) ait.
2. Her çalışma grubundaki (Olasılıklar) içerisinde katılımcıların sınıflama olasılığı.

Seçenekler düğmesi araştırmacı kullanırken herhangi önemli fırsatlar almaz. Buna göre, bu göz ardı edilebilir. ana pencerede "Tamam" düğmesine bastıktan sonra analiz sonuçları görüntülenecektir.

lojistik regresyon yeterliliğinin kalite kontrolü

tablo Omnibus Testsof Modeli Katsayıları düşünün. Bu yaklaşım modelinin kalitesinin analiz sonuçlarını gösterir. Nedeniyle artan seçenek, son aşamada sonuçlarını izlemek gerekir gerçeğine (Adım2) ayarlandı. olumlu bir sonuç niteliği taşıdığı hangi öneme sahip yüksek derecede (Sig. <0,05) bir sonraki adıma geçişte tespit edilen artış Ki-kare indeksi. Modelin kalitesi Modeli doğrultusunda tahmin edilmektedir. Negatif bir değer elde, ama genel yüksek önemlilik modeli, son kullanabilen kabul edilebilir eğer anlamlı kabul edilmezse.

tablolar

Model Özeti inşa modeli (Şekil R kare) tarif eden toplam dispersiyon indeksi, bir tahmin sağlar. Değer Nagelker uygulanması tavsiye edilir. 0.50'den yüksek ise pozitif göstergesi, bir parametre Nagelkerke R Kare olarak kabul edilebilir. Bu bir ya da çalışmanın bir başka kategorisine ait gerçek göstergeler regresyon modeli tarafından tahmin edilen ile karşılaştırıldığı sınıflandırma sonuçları değerlendirildi sonra. Bu amaçla tablo Sınıflandırma Tablosu için. Ayrıca söz konusu grubun her biri için farklılaşma doğruluğu hakkında sonuç çıkarmak için izin verir. . Aşağıdaki tabloda mümkün analiz yanı sıra standart olmayan faktör lojistik regresyon girmiş istatistiksel olarak anlamlı bağımsız faktörleri bulmanızı kolaylaştırır. Bu göstergelerin temelinde belirli bir gruba numunedeki her davalı ilişkisi tahmin edebilirsiniz. Yeni değişkenler Kaydet düğmesini kullanarak girilebilir. Onlar belirli bir sınıflandırma kategori (Predictedcategory) ve bu gruplarda içerme olasılığı (Öngörülen olasılıklar üyeliği) üyelik konusundaki bilgileri içerir. ana pencerede "Tamam" düğmesine bastıktan sonra Çoklu Lojistik Regresyon hesaplama sonuçlarında görünür.

araştırmacı için önemli göstergeleri içeren ilk tablo, - Model uygunluğu bilgiler. İstatistiksel anlamlılık yüksek seviyede pratik sorunları çözmek için modellerin kullanımının yüksek kalite ve uygunluğu işaret eder. Bir diğer çok önemli bir tablo Sözde R-kare olan. Bu analiz için bağımsız olarak seçilen değişkenlerin neden olduğu bağımlı faktör, toplam varyansın oranını tahmin sağlar. Tablo Olabilirlik Oranı Testleri göre ikincisi istatistiksel anlamlılık hakkında sonuçlar çıkarabiliriz. Parametre Tahminleri olmayan standartlaştırılmış katsayılar yansıtmaktadır. Onlar denklemin yapımında kullanılır. Buna ek olarak, değişkenlerin her bir kombinasyon için bağımlı faktör üzerindeki etkilerine istatistiksel önemi belirlenir. Bu arada, pazar araştırması değil ayrı ayrı katılımcıların kategorilerini ayırt etmek çoğu zaman gerekli, ancak hedef grubunun bir parçası olarak. Bu amaçla tablo Observedand Öngörülen Frekanslar.

pratik uygulama

Analiz kabul yöntemi yaygın tüccarlar çalışmalarında kullanılmaktadır. 1991 yılında, sigmoid lojistik regresyon göstergesi geliştirilmiştir. Onların "aşırı ısınma" muhtemel fiyatlarını tahmin etmek kullanılabilecek bir, kullanımı kolay ve etkili bir araçtır. Gösterge paralel olarak uzanan iki çizgi ile oluşturulan bir kanal şeklinde bir grafikte gösterilir. Bu eğilim eşit mesafede çıkarıldı. koridorun genişliği süre üzerinde yalnızca bağlı olacaktır. Değerli metallere döviz çiftleri den - hemen hemen tüm varlık ile çalışırken gösterge kullanılır.

arıza ve ters: Uygulamada, bu alet kullanımı için 2 temel stratejiyi üretti. İkinci durumda tüccar kanalı içinde fiyat değişiklikleri dinamikleri üzerinde durulacak. Üzerinde bir destek ya da direnç hattı hızının maliyetini yaklaştıkça hareket ters yönde başlar olasılığıdır. fiyat üst limit yakından uygun ise, o varlığın ortadan kaldırılabilir. alt sınırında ise, satın alma hakkında düşünmek gerekir. Strateji arıza emirleri kullanımını içerir. Bunlar nispeten kısa bir mesafe sınırları dışında yüklenir. bazı durumlarda fiyat kısa bir süre için onları ihlal dikkate alarak, bunları güvenli oyun ve stop-loss belirlesin. Aynı zamanda, tabii ki, ne olursa olsun seçilen stratejinin piyasada ortaya çıkmıştır durum soğukkanlı maksimize algıladıkları ve değerlendirmek için tüccar gerektirir.

Sonuç

Böylece, lojistik regresyon kullanımı hızla ve kolayca belirtilen parametrelere göre kategorilere katılımcılar kategorize sağlar. belirli bir şekilde olası kullanımını analiz ederken. Özellikle, farklı çokterimli regresyon çok yönlülüğü. Ancak uzmanlar kompleksi yukarıda anlatılan tüm yöntemlerin kullanılmasını tavsiye ederiz. Bu, bu durumda modelin kalitesi önemli ölçüde daha yüksek olacağı gerçeğinden kaynaklanmaktadır. Bu da, onun uygulama yelpazesini genişletmek.