Logisztikus regressziós: modellek és módszerek

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. A logisztikus regresszió és diszkriminancia analízis akkor használják, amikor az szükséges, hogy világosan különbséget válaszadók célcsoportot. Sőt, ezek a csoportok egy egyváltozós paraméter szintet. а также выясним, для чего она нужна. Tekintsük részletesebben logisztikus regressziós modellben, valamint megtudja, mi volt az.

áttekintés

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Egy példa a probléma, a használt oldatban logisztikus regresszió lehet besorolása válaszadók csoport vételi és nem vásárol a mustárt. A differenciálás szerint végezzük szocio-demográfiai jellemzők. Ezek közé tartoznak különösen az életkor, a nem, a családtagok számával, a jövedelem és így tovább. Vannak kritériumok különbséget, és a változó a műveletet. Ez utóbbi kódolja a cél kategóriában, amelyre valójában szükség megosztja a válaszadókat.

árnyalatok

, значительно уже, чем для дискриминантного анализа. Azt kell mondani, hogy a tartomány az esetek, amelyekben az alkalmazott regressziós logisztikai, sokkal szűkebb, mint a diszkrimináns analízis. Ebben a tekintetben az utóbbi alkalmazását, mint egy univerzális módszer differenciálás tartják előnyösnek. Sőt, szakértők azt javasolják, kezdve a besorolás tanulmány diszkriminatív elemzést. És csak abban az esetben a bizonytalanság az eredményeket fel lehet használni a logisztikus regresszió. Ez a szükséglet több tényező okozza. используется при наличии четкого представления о типе независимых и зависимых переменных. Logisztikus regresszió, ha van egy világos képet arról, hogy milyen típusú a független és függő változók. Ennek megfelelően, a kiválasztott egyik a 3 lehetséges eljárások. Amikor a diszkriminancia analízis, a kutató mindig foglalkozik a statikus működését. Ez magában foglalta egy függő és több független kategorikus változók a skála minden formáját.

típusok

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Objektív statisztikai kutatás, amely egy logisztikus regresszió, hogy meghatározza a valószínűsége, hogy egy adott válaszadó lesz rendelve egy adott csoport. A differenciálás szerint hajtjuk végre, hogy bizonyos paraméterek. A gyakorlatban értékeinek megfelelően egy vagy több független tényezők is két csoportra oszthatók a válaszadók. . Ebben az esetben van egy bináris logisztikus regresszió. Szintén megadott paramétereket lehet használni a kiosztási a csoport kettőnél nagyobb. Egy ilyen helyzetben van egy multinomiális logisztikus regresszió. A kapott csoportot kifejezett szinteket bármelyike változó.

példa

Tegyük fel, hogy a válaszadók a választ a kérdésre, hogy vajon érdekli őket egy ajánlatot, hogy földhöz a külvárosokban a Moszkva. Ebben az esetben, a lehetőségek „nem” és „igen”. Meg kell, hogy megtudja, milyen tényezők is meghatározó befolyással a döntést a potenciális vásárlók. Erre a válaszadó kérdezi meg az infrastruktúra területén, a távolság a fővárosban, földterület jelenléte / hiánya lakóépületek és így tovább. A bináris regresszió lehet két csoportra osztjuk a válaszadók. Az első magában foglalja azokat, akik érdeklődnek a vásárlóerő - potenciális vevők, és a második, illetve azok, akik nem érdekeltek az ilyen ajánlatot. Minden válaszadó, továbbá, akkor kell kiszámítani a valószínűsége hozzárendelés egy kategóriát, vagy egy másik.

összehasonlító jellemzői

Ellentétben a két kiviteli alak fenti áll a különböző számú és típusú csoportok függő és független változók. Egy bináris regressziós például tanulmányozta a függőség dichotóm faktor egy vagy több független körülmények között. Ebben az esetben az utóbbi lehet bármilyen típusú skála. Multinomiális regressziót tekinthető egyfajta változata a besorolás. Ez vonatkozik a függő változó több, mint 2 csoport. Független tényezők kell vagy egy sorrendi vagy nominális skála.

Logisztikus regresszió az SPSS

A statisztikai csomag 11-12, bevezetett egy új változata az elemzés - sorozat. Ezt a módszert alkalmazzák, amikor függő tényező ahhoz ugyanazt a nevet (ordinális) skálán. Ebben az esetben a független változók kiválasztott egy bizonyos típusát. Úgy kell lennie, vagy sorrendi vagy névleges. Besorolás több kategóriában tartják a leginkább sokoldalú. Ez a módszer alkalmazható az összes vizsgálatban használt logisztikus regresszió. , однако, можно только с помощью всех трех приемов. Minőségének javítása a modell azonban csak akkor lehetséges, mindhárom módszer.

sorrendi besorolás

Azt mondják, hogy korábban a statisztikai csomagot nem biztosították a lehetőséget, hogy végre egy tipikus speciális elemzés függő tényezők egy ordinális skála. Minden változó, a csoportok száma több mint 2 felhasználhatja multinomiális opciót. Bevezetett viszonylag újonnan szekvencia analízis számos funkciók. Figyelembe veszik a sajátosságait a skála azt. часто не рассматривается как отдельный прием. Eközben a módszertani kézikönyvek ordinális logisztikus regresszió gyakran nem kezelik külön vétel. Ennek oka a következő: a soros elemzést nem rendelkezik jelentős előnnyel multinomiális. A kutató is használhatja az utóbbi jelenlétében és ordinális, és a nominális függő változó. Ezzel a besorolási folyamat szinte megkülönböztethetetlenek egymástól. Ez azt jelenti, hogy a gazdaság érdekében elemzés nem fog problémát okozni.

elemzési lehetőségek

Tekintsük az egyszerű esetben - egy bináris regresszió. Például a folyamat piackutatás becsült kereslet a diplomások egyes nagyvárosi egyetem. A kérdőívben feltett kérdések, többek között:

1. Dolgozol? (Ql).
2. Adjon év érettségi (q 21).
3. Mi az átlagos pontszám a kimenet (bizonyít).
4. A nemek (Q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. A logisztikus regresszió hatását értékeli a független tényezők aver, q 21 és q 22 változó ql. Egyszerűen fogalmazva, a célja az, hogy meghatározza a várható alkalmazási diplomások információk alapján a pályán, az év végén, és az átlagos pontszám.

logisztikus regresszió

Paraméterek beállítása bináris regressziós használja Analyze►Regression►Binary Logistic menüt. A logisztikus regresszió választani a bal rendelkezésre álló változók függő tényező. Ezek a ql. Ez a változó kell helyezni a függő területen. Ezután meg kell adnia a helyszínen kovariánsai független tényezők - q 21, q 22 bizonyít. Akkor kell módot választani, beleértve azokat az elemzésben. Ha a független tényezők több mint 2, ne használja a módszert egyidejű beadása összes változó, amely alapértelmezés szerint telepítve van, és lépésről lépésre. A legnépszerűbb módja tekinthető visszatekerés: LR. A Select gombot, akkor nem tartalmazza a tanulmány az összes válaszadó, és csak egy bizonyos cél kategória.

Adjuk kategorikus változók

Kategorikus gomb használata abban az esetben, ha az egyik változó eddig a kategóriák számát több mint 2. Ebben a helyzetben a kategorikus változók definiálása ablak a kategorikus kovariánsai állomás helyezett csak egy ilyen lehetőség. Ebben a példában, az ilyen változó hiányzik. Ezután a legördülő listából válassza ki a tételt Contrast Eltérés, és kattintson a Módosítás gombra. Ennek eredményeként, néhány függő változó kerül kialakításra az egyes értékelt tényező. Számuk számának felel meg az eredeti feltételei kategóriában.

Save New változók

A Mentés gombra a fő vizsgálatban van beállítva, hogy új beállítások párbeszédablakban. Ez tartalmazza kiszámított folyamatban regresszió. Különösen, lehetséges, hogy hozzon létre változókat, amelyek meghatározzák:

1. Tartozó egy bizonyos kategóriába besorolás (Groupmembership).
2. Annak a valószínűsége, osztályozására válaszadók egyes vizsgálati csoport (Valószínűségek).

Ha a Beállítások gombra kutató nem kap jelentős lehetőségeket. Ennek megfelelően lehet figyelmen kívül hagyni. Megnyomása után az „OK” gombra a fő ablak jelenik meg elemzés eredményeit.

Minőség-ellenőrzés logisztikus regresszió megfelelősége

Tekintsük az asztal Omnibus Testsof Model együtthatók. Ez megjeleníti az eredményeket a minőségi elemzésére, a közelítés modell szerint. Tekintettel arra, hogy az inkrementális lehetőség, meg kell nézni az eredményeket az utolsó fokozat (2. lépés) van állítva. Lenne tekinthető pozitív eredménynek, amelyekben az érzékelt növekedését Chi-négyzet-index az átmenet a következő lépést a magas fokú jelentőségű (Sig. <0,05). A minőséget a modell becsült Model sorban. Ha kapsz egy negatív érték, de ez nem tekinthető jelentősnek, ha az általános magas lényegességi modell, az utolsó lehet tekinteni gyakorlatban felhasználható.

asztalok

Modell Összefoglalás ad becslést a teljes diszperziós index, amely leírja a felépített modell (ábra R tér). Javasoljuk, hogy alkalmazza az értéket Nagelker. Pozitív jelzés lehet tekinteni, mint a paraméter Nagelkerke R Square, ha az magasabb, mint 0,50. Ezt követően értékeltük az eredményeket az osztályozás, amelyben a tényleges mutatók tartozó egyik vagy másik kategóriába a vizsgálat összevetjük megjósolta a regressziós modell. Erre a célra a táblázat osztályozási táblázat. Azt is lehetővé teszi, hogy következtetéseket vonjunk le a helyességét differenciálódás az egyes szóban forgó csoport. . Az alábbi táblázat lehetővé teszi, hogy megtalálja statisztikailag szignifikáns független tényezők lépett az elemzés, valamint a nem szabványos faktor logisztikus regresszió. Alapján ezek a mutatók nem tudja megjósolni helye az egyes válaszadók a mintában egy adott csoporthoz. Új változók is be lehet vinni a Save gombra. Ezek tartalmaznak információkat a tagság egy adott besorolási kategória (Predictedcategory), valamint a valószínűsége felvétele ezekben a csoportokban (becsült valószínűségek tagság). Megnyomása után az „OK” gombra a fő ablak jelenik meg Multinomiális logisztikus regresszió számítás eredménye.

Az első táblázat, amely fontos mutatók a kutató, - Model szerelési információk. A magas szintű statisztikai szignifikancia fog mutatni a magas minőség és alkalmasságát modellek használata gyakorlati problémák megoldására. Egy másik fontos táblázat a Pseudo R-téren. Ez lehetővé teszi, hogy megbecsüljük az aránya a teljes variancia a függő tényező, ami miatt a független változók elemzésre kiválasztott. Táblázat szerint likelihood ratio lehet következtetéseket levonni a statisztikai jelentőségét az utóbbi. A Paraméter Becslések tükrözik, nem szabványosított együtthatók. Ezeket használják az építőiparban az egyenlet. Ezen kívül minden kombinációjára változók határozzák statisztikai jelentőségét azok hatását a függő változó. Eközben a piac kutatás gyakran kell különböztetni a kategóriák a válaszadók nem külön-külön, hanem része a célcsoport. Erre a célra a táblázat Observedand Becsült frekvenciákat.

gyakorlati alkalmazása

Tekinthető elemzési módszer széles körben használják a munkát a kereskedők. 1991-ben a szigmabél logisztikus regressziós indikátor került kifejlesztésre. Ő egy könnyen használható és hatékony eszköz, amely lehet megjósolni a várható árak, hogy a „túlmelegedés”. Indikátor mutatja be, egy grafikon formájában egy csatornát képeznek, amelyet két vonal párhuzamosan húzódik. Eltávolították egyenlő távolságra a trend. A szélessége a folyosó kizárólag attól függ, hogy mennyi idő. A mutatót használjuk, ha dolgozik, szinte minden eszköz - az devizapárok nemesfémek.

A gyakorlatban ez termelt 2 kulcs stratégiák a műszer használata: bontás és megfordítását. Az utóbbi esetben a kereskedő fog összpontosítani árváltozás dinamizmusa a csatornán belül. On a valószínűsége, hogy a mozgalom indul az ellenkező irányba, ahogy megközelíti a költsége egy ellenállási vagy támogatási tétel arány. Ha az ár szorosan illeszkedik a felső határ, akkor az eszköz lehet szüntetni. Ha ez az alsó határ, meg kell gondolni vásárolnak. Stratégia lebontása használatával jár indokolja. Ők vannak telepítve határain kívül a viszonylag rövid távolságra. Figyelembe véve, hogy az ár bizonyos esetekben sérti őket egy rövid időre, meg kell játszani, hogy biztonságos és állítsa be a stop-loss. Ugyanakkor természetesen, függetlenül a választott stratégia előírja, hogy a kereskedőnek, hogy maximalizálja hűvösen érzékelik és értékelik a kialakult helyzetet a piacon.

következtetés

Így az a logisztikus regresszió segítségével gyorsan és könnyen kategorizálni válaszadók kategóriákba megfelelően a megadott paraméterekkel. Elemzésekor esetleges használata egy bizonyos módon. Különösen a sokoldalúság a különböző multinomiális regresszió. Azonban, szakértők azt javasolják, a használatból az összes fent leírt eljárások a komplex. Ez annak a ténynek köszönhető, hogy ebben az esetben a minősége a modell jóval magasabb lesz. Ez viszont bővíteni annak alkalmazását.