logistic回归方法的选择:输入、向前、向后与条件、LR、Wald

原创 数据小兵  2020-04-07 22:18  阅读 38,249 次
数据小兵成长记

衣服多了就会有选择性困难,同样的道理,在SPSS中也经常遇到“选择性困难”问题。比如logistic回归方法的选择,打开下拉菜单后,从【Enter】到【向后:Wald】我们会看到7种方法,怎么选?

仔细观察这7种方法,实际上分为两大板块,输入法、向前法、向后法规定了如何选择自变量进入模型,而Conditional条件法、LR偏似然估计法、Wald瓦尔德法规定了自变量如何退出模型。

小兵给大家整理

向前、向后与条件、LR、瓦尔德交叉组合后形成6种回归方式。而Enter强迫法单独作为一个方式,是SPSS软件默认选择的方法。

对于自变量进入模型的方式,Forward法既含有变量的进入,也含有变量的剔除过程。一般认为即大家常说的逐步回归法,因此大多数使用者喜欢选择Forward向前逐步。

onditional和LR在变量剔除检验时都采用的是似然比检验统计量,但是在构造似然比中的似然函数最大值时,所采取的参数估计方法不同,Conditional采取的是条件参数估计,而LR采取的则是最大偏似然估计。

有许多教材指出,对于如何将自变量剔除的方法,Conditional条件法、LR偏似然估计法两种结果差别不大,选择其中一个都是相对可靠的。而一般建议不选择Wald瓦尔德法。

如何选择

当自变量较少,且研究者希望考察所有自变量与因变量间关系时,可考虑使用Enter法,强迫所有自变量参与建模,而不考虑是否有显著影响。

当自变量较多,研究者希望软件帮助筛选对因变量有显著影响的自变量参与建模,此时,新手用户可选择【向前:LR】或【向前:条件】方式进行logistic逐步回归建模。

文/图=数据小兵
参考自:IBM SPSS官方文档及张文彤出版书籍

 

好文推荐阅读

本文地址:http://www.datasoldier.net/archives/2023
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
视频课程《SPSS统计分析:从入门到实践提高》
欢迎订阅SPSS训练营微信公众号

评论已关闭!