spss自变量的筛选方法
    2021-11-19
    3318

      spss自变量的筛选方法。如何运用spss筛选自变量?有哪些检验方法?本期艾思云课堂小编整理了三个检验自变量的方法,希望能给大家带来帮助。

      与线性回归类似,在Logistic回归中应尽量纳入对因变量有影响作用的变量,而将对因变量没有影响或影响较小的变量排除在模型之外。

    spss自变量的筛选方法.png

      ①.Wald检验:Wals是一个统计量,用检验自变量对因变量是否有影响的。它越大,或者说它对应的sig越小,则影响越显著。

      ②.似然比检验(Likelihood Ratio Test):Logistic模型的估计一般是使用极大似然法,即使得模型的似然函数L达到最大值。-2lnL被称为Diviance,记为D。L越大,则D越大,模型预测效果越好。似然比检验是通过比较是否包含某个或几个参数β的多个模型的D值。

      ③.比分检验(Score Test)

      以上三种假设检验中,似然比检验是基于整个模型的拟合情况进行的,结果最为可靠;比分检验结果一般与似然比检验结果一致。最差的就是Wald检验,它考虑各因素的综合作用,当因素间存在共线性的时候,结果不可靠。故在筛选变量时,用Wald法应慎重。

      SPSS中提供了六种自变量的筛选方法,向前法(Forward)和向后法(Backward)分别有三种。基于条件参数估计和偏最大似然估计的筛选方法都比较可靠,尤以后者为佳。但基于Wald统计量的检验则不然,它实际上未考虑各因素的综合作用,当因素间存在共线性时,结果不可靠,故应当慎用。

      以上就是我们艾思科蓝今天给大家分享的内容了,通过这篇文章是不是又学会一些呢。聚沙成塔,学习从点滴碎片开始积累,艾思科蓝一直在路上陪伴着。

    SPSS从新手到高手高效培训班.jpg

    分享:
    收藏 0
    点赞 0
    业务咨询
    刘老师:18922434589
    商务合作
    石老师:13922152147
    客服邮箱:customer_services@ais.cn
    平台简介
    艾思云课堂是广州科奥信息技术有限公司旗下学术知识服务平台,为科研人员提供包括学术会议直播/点播、研究方法、学术技能、院士课堂、科研问答等知识服务,帮助科研人员全方位提升科研服务。

    公众号

    小程序

    广州科奥信息技术有限公司 版权所有。
    Copyright©2019 All rights reserved 粤ICP备16087321号
    • 在线客服
    • 微信客服
      扫码添加
      微信客服
    • 学术测评
      测一测你和Nature大神距离有多远?
    • 微信公众号
      扫码关注
      云课堂公众号
    • 视频教程