Logistická regrese: modely a metody

и дискриминантного анализа используются тогда, когда необходимо четко дифференцировать респондентов по целевым категориям. Logistická regresní a diskriminační analýza se používají, když je třeba jasně odlišit respondentům cílových kategorií. Kromě toho, tyto skupiny jsou jediné jednorozměrné úrovně parametrů. а также выясним, для чего она нужна. Zvážit další detail logistický regresní model, stejně jako zjistit, co to bylo pro.

Přehled

, может выступать классификация респондентов по группам покупающих и не покупающих горчицу. Příkladem tohoto problému, v roztoku, který se používá logistické regrese, může být klasifikace respondentů Koupí skupina a ne nákup hořčice. Diferenciace se provádí podle socio-demografické charakteristiky. Patří mezi ně zejména patří věk, pohlaví, počet členů rodiny, příjem a tak dále. Existují kritéria pro diferenciaci a proměnné v provozu. Ten kóduje cílový kategorii, která ve skutečnosti, je třeba rozdělit respondenty.

nuance

, значительно уже, чем для дискриминантного анализа. Je třeba říci, že řada případů, v nichž jsou použity regresní logistika, mnohem užší než diskriminační analýzy. V tomto ohledu je použití této sloučeniny jako univerzální způsobu diferenciace se považuje za výhodnější. Kromě toho odborníci doporučují začínat klasifikace studijním diskriminační analýzy. A právě v případě nejistoty pro výsledky mohou být použity logistické regrese. Tato nutnost je způsobena několika faktory. используется при наличии четкого представления о типе независимых и зависимых переменных. Logistická regrese se používá, když je jasnou představu o druhu nezávislých a závislých proměnných. V souladu s tím, je vybraný ze 3 možných postupů. Když je diskriminační analýza, výzkumný pracovník je vždy co do činění s statickém provozu. Jednalo se o jeden závislé a několik nezávislých kategorické proměnné s rozsahem libovolného typu.

typy

, состоит в определении вероятности того, что определенный респондент будет отнесен к той или иной группе. Cíl statistický výzkum, který používá logistické regrese, je stanovit pravděpodobnost, že konkrétní respondent bude přiřazena k určité skupině. Diferenciace se provádí podle určitých parametrů. V praxi se podle hodnot jedné nebo více nezávislými faktory mohou být rozděleny do dvou skupin respondentů. . V tomto případě je binární logistická regrese. Také uvedené parametry, mohou být použity při přidělování ke skupině je vyšší než dva. V takové situaci je multinomial logistická regrese. Výsledná skupina vyjádřena hladiny jakékoliv jedné proměnné.

příklad

Předpokládám, že tam jsou odpovědi respondentů na otázku, zda mají zájem o nabídku ke koupi pozemků na předměstí Moskvy. V tomto případě jsou možnosti „ne“ a „ano“. Musíme zjistit, jaké faktory mají rozhodující vliv na rozhodování potenciálních kupujících. Z tohoto respondenta jsou kladeny otázky ohledně infrastruktury území, vzdálenost do hlavního města, rozlohy, přítomnost / nepřítomnost obytných budov a podobně. Použití binární regrese, mohou být rozděleny do dvou skupin respondentů. První bude zahrnovat ty, kteří mají zájem o koupi - potenciálních kupců, a druhý, respektive ty, kteří nemají zájem o takovou nabídkou. U každého respondenta, kromě toho, že bude vypočítána pravděpodobnost přiřazení k jedné kategorii nebo jiný.

Srovnávací charakteristiky

Na rozdíl od obou výše provedení spočívá v tom, různého počtu a typu skupin závislých a nezávislých proměnných. V binárním regresí, například, studoval závislost dichotomický faktor z jednoho nebo více nezávislých podmínek. V tomto případě může být tento jakéhokoliv typu vodního kamene. Multinomické regrese je považován za jakousi verzi klasifikace. To se vztahuje na závislé proměnné na více než 2 skupin. Nezávislé faktory musí mít buď řadové nebo jmenovité stupnice.

Logistická regrese v SPSS

Statistická balíček 11-12, představila novou verzi analýzy - sekvence. Tato metoda se používá, když je závislý faktor týká téhož jména (pořadové) měřítku. V tomto případě nezávislé proměnné vybrán jeden konkrétní typ. Musí být buď pořadové číslo nebo nominální. Zařazení do několika kategorií je považována za nejuniverzálnější. Tato metoda může být použita ve všech studiích, které používaly logistické regrese. , однако, можно только с помощью всех трех приемов. Zlepšit kvalitu modelu, je však možné pouze za použití všech tří metod.

pořadový klasifikace

Říká se, že dříve do statistického balíku nebyla poskytnuta možnost provádět typické specializované analýzy pro závislé faktory se pořadové stupnice. Pro všechny proměnné, s počtem skupin více než 2 používá multinomiální možnost. Představený relativně nedávno sekvenční analýza má řadu funkcí. Berou v úvahu specifika měřítku. часто не рассматривается как отдельный прием. Mezitím, v metodických příručkách pořadové logistická regrese není často považován za samostatnou recepci. Důvodem je následující: serial analýza nemá žádné významné výhody oproti multinomial. Výzkumník může také použít druhý, v přítomnosti a pořadové číslo, a nominální závislé proměnné. Přitom postup klasifikace jsou téměř k nerozeznání od sebe navzájem. To znamená, že analýza holding pořadí nezpůsobí žádné problémy.

Analýza možností

Vezměme si jednoduchý případ - binární regrese. Například v procesu marketingového výzkumu odhaduje poptávku po absolventech některých metropolitní univerzity. V dotazníku byli respondenti kladených otázek, včetně:

1. Pracuješ? (Ql).
2. Určete rok Graduation (q 21).
3. Jaký je průměrný počet bodů výstupu (prům).
4. Pohlaví (Q22).

позволит оценить воздействие независимых факторов aver, q 21 и q 22 на переменную ql. Logistická regrese posoudí vliv nezávislých faktorů aver, Q 21 a Q 22 na variabilní QL. Jednoduše řečeno, cílem analýzy je určit pravděpodobnou zaměstnávání absolventů na základě informací o poli, na konci roku, a průměrné skóre.

logistická regrese

Chcete-li nastavit parametry pomocí binární regrese, použijte nabídku Analyze►Regression►Binary Logistic. V logistická regrese vybrat v levém seznamu dostupných veličin závislých faktorů. Oni je ql. Tato proměnná musí být umístěn v závislých poli. Za to, že musíte zadat proměnných site nezávislé faktory - Q 21, Q 22, průměr. Pak budete muset zvolit způsob jejich zahrnutí do analýzy. Pokud je počet nezávislých faktorů více než 2, nepoužívají způsob souběžného podávání všech proměnných, které je nainstalován ve výchozím nastavení, a krok za krokem. Nejoblíbenější způsob je považován za vzad: LR. Pomocí tlačítka Select, nelze zahrnout do studia všech respondentů a jen specifické cílové skupiny.

Definovat kategorické proměnné

Tlačítko kategorické použít v případě, že jedna z proměnných je hodnocen na počet kategorií více než 2. V této situaci, Definovat okno Kategoriální proměnné ve stanici Kategoriální proměnných umístěna jen taková možnost. V tomto příkladu je taková proměnná chybí. Po tomto rozevíracím seznamu vyberte položku Kontrast odchylka a klikněte na tlačítko Změnit. V důsledku toho někteří závislých proměnných bude vytvořen z každého jmenovitého faktoru. Jejich počet odpovídá počtu původních podmínek kategorií.

Uložení nové proměnné

Použijte tlačítko Uložit v hlavní studii je nastavena na vytvoření nové dialogové okno s nastavením. Budou obsahovat čísla vypočítané v procesu regrese. Zejména je možné vytvořit proměnné, které určují:

1. Příslušnost k určité kategorii klasifikace (Groupmembership).
2. Pravděpodobnost, že klasifikaci respondentů v každé studijní skupině (pravděpodobnosti).

Při použití tlačítka Možnosti výzkumník nepřijímá žádné významné příležitosti. V souladu s tím mohou být ignorovány. Po stisknutí tlačítka „OK“ v hlavním okně se zobrazí výsledky analýzy.

kontrola kvality logistické regrese přiměřenosti

Podívejme se na tabulku Omnibus Testsof Model koeficientů. To zobrazuje výsledky analýzy kvality modelu aproximace. Vzhledem k tomu, že inkrementální možnost, je třeba se dívat na výsledky posledního stupně (Krok 2) byl nastaven. By byla považována za pozitivní výsledek, ve kterém je zjištěn nárůst Chi-kvadrát index v přechodu k dalšímu kroku při vysokém stupni významnosti (Sig. <0,05). Kvalitu modelu se odhaduje na modelové řady. Pokud se dostanete zápornou hodnotu, ale to není považováno za významné, pokud je celková modelu vysokou významnost, poslední může být považován prakticky použitelné.

stoly

Model Souhrn poskytuje odhad celkového indexu disperze, která popisuje konstruované modelu (obr R náměstí). Doporučuje se použít hodnotu Nagelker. Pozitivní ukazatel lze považovat za parametr Nagelkerke R Square, v případě, že je vyšší než 0,50. Poté se hodnotí výsledky klasifikace, ve které jsou skutečné ukazatele do jedné nebo jiné kategorie studie ve srovnání s těmi, které předpověděl regresního modelu. K tomuto účelu se tabulka klasifikace tabulky. To také umožňuje vyvodit závěry o správnosti diferenciace pro každou z dané skupiny. . V následující tabulce je možné najít statisticky významné nezávislé faktory vstoupily do analýzy, stejně jako non-standardizovaný faktoru logistické regrese. Na základě těchto ukazatelů lze předpovídat vztah každého respondenta ve vzorku do určité skupiny. Nové proměnné lze zadat pomocí tlačítka Uložit. Budou obsahovat informace o příslušnosti k určité klasifikace kategorie (Predictedcategory) a pravděpodobnost zařazení do těchto skupin (odhad pravděpodobnosti členství). Po stisknutí tlačítka „OK“ v hlavním okně objeví MULTINOMIAL logistické regrese výsledky výpočtů.

První tabulka, která obsahuje důležité ukazatele pro výzkumníka, - Model Fitting informace. Vysoká hladina statistické významnosti bude ukazovat na vysokou kvalitu a vhodnost využití modelů k řešení praktických problémů. Dalším důležitým tabulka je Pseudo-R Square. To vám umožní odhadnout podíl celkové variance závislé faktor, který je způsoben nezávislých proměnných zvolených pro analýzu. Podle tabulka pravděpodobnosti Ratio zkoušek lze vyvodit závěry o statistické významnosti druhé. Parametr Odhady odrážet non-standardizované koeficienty. Jsou používány v konstrukci rovnice. Kromě toho, pro každou kombinaci proměnné se určuje statistickou významnost jejich vlivu na závislé faktoru. Mezitím se průzkum trhu je často nutné rozlišovat kategorie respondentů není samostatně, ale jako součást cílové skupiny. K tomuto účelu se tabulka Observedand Předpovídané frekvence.

praktická aplikace

Považován za Metoda analýzy je široce používán v práci obchodníků. V roce 1991 se ukazatel sigmoid logistické regrese byl vyvinut. Je snadno použitelný a účinný nástroj, který lze použít k předpovídání pravděpodobného cen na jejich „přehřátí“. Indikátor je uvedena na grafu v podobě kanálu tvořeného dvěma liniemi probíhajícími paralelně. Jsou odstraněny ve stejné vzdálenosti od trendu. Šířka koridoru bude záviset pouze na časovém rámci. Ukazatel se používá při práci s téměř všechny aktiva - od měnových párů do drahých kovů.

V praxi bylo vyrobeno 2 klíčové strategie pro použití přístroje: členění a obrácení. V posledně jmenovaném případě obchodník bude soustředit na dynamiku změn cen v rámci kanálu. Na je pravděpodobnost, že pohyb začíná v opačném směru, jak se blíží náklady na podporu nebo odporového rychlosti linky. V případě, že cena je těsně přiléhat k horní hranici, pak aktivum může být odstraněna. Pokud je to na spodní hranici, měli byste uvažovat o nákupu. Rozdělení strategie zahrnuje použití odůvodňuje. Jsou instalovány mimo hranice relativně krátké vzdálenosti. Vezmeme-li v úvahu, že cena v některých případech porušit je na krátkou dobu, měli byste hrát na jistotu a nastavit stop-loss. Ve stejné době, samozřejmě, bez ohledu na zvolené strategie vyžaduje, aby obchodník s cílem maximalizovat chladně vnímat a zhodnotit situaci, která vznikla na trhu.

závěr

To znamená, že použití logistické regrese umožňuje snadno a rychle roztřídit respondentů do kategorií v souladu se zadanými parametry. Při analýze možného využití určitým způsobem. Zejména všestrannost různých multinomiálního regrese. Nicméně, odborníci doporučují použití všech metod popsaných výše v komplexu. To je způsobeno tím, že v tomto případě bude kvalita modelu podstatně vyšší. To na oplátku rozšířit možnosti jeho použití.