SPSS实训作业第19期:二项logistic回归(2)

原创 数据小兵  2019-01-12 13:15  阅读 734 次
视频课程《SPSS统计分析:从入门到实践提高》

SPSS统计分析:从入门到案例实践》视频课程配套作业第19期发布。

软件操作提示:菜单操作【分析】→【回归】→【二元logistic】,下载作业任务后,按照以下题目要求完成上机训练任务。

案例数据介绍

选自SPSS软件自带案例数据集,本作业略有修改,名称为“bankloan700.sav”,记录银行700位用户人口统计信息及贷款信息,考察“拖欠贷款”的用户特征,并回答以下问题。

第一题:第一次logistic回归建模

本题是对课程内容的简单回顾。

请以【是否拖欠】为响应变量,以【年龄、学历、受雇佣年限、当前居住年限、家庭收入、负债收入比、信用卡债务、其他债务】为因素变量,采用【向前LR】法进行逐步二项logistic回归建模。回答以下问题。

1、模型摘要表如下,请仔细观察逐步回归过程中渐次产生的四个模型【-2LL】统计量,用一句话来描述/解读四个步骤下【-2对数似然】四个数字的变化规律,能得出什么结论?

请写在这里

2、请根据模型预测分类表,填写下表。

(具体见作业文件,此处略)

第二题:将连续数值变量重新编码为分类变量

考察【如何将连续数值变量分割为分类变量?】

刚才所建模型显示,【受雇佣年限、当前居住年限、信用卡债务、负债收入比】四个变量对模型有显著影响,这四个均为连续数值变量。现在请你将它们重新编码为新的分类变量,要求如下:

(具体标准见作业文件)

1、【受雇佣年限】划分为6个分类水平,具体标准如下:

2、【当前居住年限】划分为6个分类水平,具体标准如下:

3、【信用卡债务】划分为6个分类水平,具体标准如下:

4、【负债收入比】划分为7个分类水平,具体标准如下:

以上四个新变量,统一定义为【数字类型】+【有序】测量方式。一定要动手做哦,动手的过程中会有收获的。在统计实践中,连续数值变量转换为分类变量是常见操作,要求熟练掌握。

第三题:第二次logistic回归建模

本题主要考察虚拟变量/哑变量处理以及对OR值的理解。

现在请以【是否拖欠】为响应变量,以【年龄、学历、家庭收入、其他债务】,以及第二题中重新转换为分类变量的【受雇佣年限、当前居住年限、信用卡债务、负债收入比】四个变量(3个连续+5个分类),采用【向前LR】法,执行第二次logistic回归建模。

要求1:【学历、受雇佣年限、当前居住年限、信用卡债务、负债收入比】五个分类变量必须进行虚拟处理(也叫做哑变量处理)。

要求2:虚拟处理,请采用【指示符】法,并指定对照类别为【第一个】。

建模完成后,请回答以下问题:

1、请根据模型预测分类表,填写下表。

(见作业文件,此处略)

(这答案其实也算是一个知识点,或者说经验吧,所以请仔细想一想思考思考)

2、请根据【方程中的变量】表格,回答以下问题:

(1)假设用户受雇年限1-5年,模型输出对应的OR值是多少  ,请问与受雇年限0年相比较,请用文字解读这个OR值的含义

(2)假设用户负债收入比【30以上】水平,模型输出对应的OR值是多少   ,请问与低负债收入比相比,请用文字解读这个OR值的含义

作业作答提交

请将您认为满意的作业作答文档作为附件,发送至数据小兵的邮箱2405064443@qq.com,邮件名称:SPSS实训第19期作业,由数据小兵统一批改反馈,发送参考答案及必要指导,请注意查收作业反馈邮件。

如何参与

1.《SPSS从入门到案例实践》付费读者请直接在二项logistic回归章节作业课时下载作业文件包,上机实践后由小兵统一批改及指导,指导视频具体见课程通知;

2.小兵博客读者以及SPSS训练营微信号读者如果您也对此感兴趣,本期作业对外开放,请发一份标题为【参加第19期作业】的邮件到2405064443@qq.com,同样可获得作业文件(含配套数据源),作答文件由小兵统一发放参考答案。

由于小兵本人时间精力有限,非诚勿扰。

你参与你收获,你奋斗你幸福~

(特别说明,本作业的问题未经专业人士审校,有不严谨的嫌疑,仅作为学习交流讨论,欢迎读者朋友找小兵微信具体讨论)

作业目录

第19期 二项logistic回归(2)

第18期 二项logistic回归(1)

第17期 非线性回归

第16期 多元逐步回归

第15期 简单线性回归

第14期 多因素方差

第13期 单因素方差

第12期 t检验

第11期 交叉表卡方

第10期 相关分析

第9期 数据探索2

第8期 数据探索1

第7期 箱线图

第6期 散点图

第5期 筛选个案

第4期 衍生新变量

第3期 数据分组

第2期 数据拆分

第1期 数据录入

本文地址:http://www.datasoldier.net/archives/909
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!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!