前面我们说过二分类Logistic回归模型，但分类变量并不只是二分类一种，还有多分类，本次我们介绍当因变量为多分类时的Logistic回归模型。

多分类Logistic回归模型又分为有序多分类Logistic回归模型和无序多分类Logistic回归模型

一、有序多分类Logistic回归模型

有序多分类Logistic回归模型拟合的基本方法是拟合因变量水平数-1个Logistic回归模型，也称为累积多分类Logit模型，实际上就是将因变量依次分割成两个等级，对这两个等级建立二分类Logistic回归模型，无论模型的分割点在什么位置，所拟合的这n-1个回归模型的自变量系数均保持不变，改变的只有常数项，这也是累积多分类Logit模型的前提条件，也称为平行线检验。

累积多分类Logit模型的常数项是负数，和二分类Logistic回归模型的常数项符号相反

下面看一个例子

现在想分析人们的工作满意度，选取了一些相关变量，数据如下

从数据中，可见因变量满意度satis有三个水平，因此考虑拟合有序多分类Logistic回归模型

分析—回归—有序









二、无序多分类Logistic回归模型

前面讲的有序分类Logistic回归模型，前提为因变量为有序多分类，但是当因变量为无序多分类或者不满足平行线假定时，就需要使用无序多分类Logistic回归模型。

无序多分类Logistic回归模型也是拟合因变量水平数-1个广义Logit模型，不同的是它需要先定义某一个水平为参照水平，其余水平和其进行对比，SPSS默认取水平最大者为参照水平。

例，通过一组数据，希望分析出不同背景人的投票倾向

图中可见因变量pres92为无序多分类变量，有三个水平，考虑使用无序多分类Logistic回归模型

分析—回归—多项Logistic



SPSS数据分析—多分类Logistic回归模型的更多相关文章

  1. SPSS数据分析—二分类Logistic回归模型

    对于分类变量,我们知道通常使用卡方检验,但卡方检验仅能分析因素的作用,无法继续分析其作用大小和方向,并且当因素水平过多时,单元格被划分的越来越细,频数有可能为0,导致结果不准确,最重要的是卡方检验不能 ...

  2. 二分类Logistic回归模型

    Logistic回归属于概率型的非线性回归,分为二分类和多分类的回归模型.这里只讲二分类. 对于二分类的Logistic回归,因变量y只有“是.否”两个取值,记为1和0.这种值为0/1的二值品质型变量 ...

  3. SPSS数据分析—配对Logistic回归模型

    Lofistic回归模型也可以用于配对资料,但是其分析方法和操作方法均与之前介绍的不同,具体表现 在以下几个方面1.每个配对组共有同一个回归参数,也就是说协变量在不同配对组中的作用相同2.常数项随着配 ...

  4. SPSS分析技术：无序多元Logistic回归模型；美国总统大选的预测历史及预测模型

    SPSS分析技术:无序多元Logistic回归模型:美国总统大选的预测历史及预测模型 在介绍有序多元Logistic回归分析的理论基础时,介绍过该模型公式有一个非常重要的假设,就是自变量对因变量多个类 ...

  5. Softmax回归——logistic回归模型在多分类问题上的推广

    Softmax回归 Contents [hide] 1 简介 2 代价函数 3 Softmax回归模型参数化的特点 4 权重衰减 5 Softmax回归与Logistic 回归的关系 6 Softma ...

  6. 如何在R语言中使用Logistic回归模型

    在日常学习或工作中经常会使用线性回归模型对某一事物进行预测,例如预测房价.身高.GDP.学生成绩等,发现这些被预测的变量都属于连续型变量.然而有些情况下,被预测变量可能是二元变量,即成功或失败.流失或 ...

  7. Logistic回归分析之多分类Logistic回归

    Logistic回归分析(logit回归)一般可分为3类,分别是二元Logistic回归分析.多分类Logistic回归分析和有序Logistic回归分析.logistic回归分析类型如下所示. Lo ...

  8. logistic回归模型

    一.模型简介 线性回归默认因变量为连续变量,而实际分析中,有时候会遇到因变量为分类变量的情况,例如阴性阳性.性别.血型等.此时如果还使用前面介绍的线性回归模型进行拟合的话,会出现问题,以二分类变量为例 ...

  9. 机器学习笔记（四）Logistic回归模型实现

     一.Logistic回归实现 (一)特征值较少的情况 1. 实验数据 吴恩达<机器学习>第二课时作业提供数据1.判断一个学生能否被一个大学录取,给出的数据集为学生两门课的成绩和是否被录取 ...

随机推荐

  1. 在ASP.NET MVC5应用程序中快速接入QQ和新浪微博OAuth

    http://www.cnblogs.com/xiaoyaojian/p/4611660.html

  2. 接口测试之HTTP协议详解

    引言 HTTP是一个属于应用层的面向对象的协议,由于其简捷.快速的方式,适用于分布式超媒体信息系统.它于1990年提出,经过几年的使用与发展,得到不断地完善和扩展.目前在WWW中使用的是HTTP/1. ...

  3. kafka常用命令

    以下是kafka常用命令行总结: 0.查看有哪些主题: ./kafka-topics.sh --list --zookeeper 192.168.0.201:12181 1.查看topic的详细信息 ...

  4. com.android.build.api.transform.TransformException: com.android.builder.packaging.DuplicateFileException: Duplicate files

    http://stackoverflow.com/questions/33951853/com-android-build-api-transform-transformexception-com-a ...

  5. IE兼容性的注意点

    IE会将注释节点实现为元素,所以在IE中调用getElementsByTagName里面会包含注释节点,这个通常是不应该的 getElementById的参数在IE8及较低的版本不区分大小写 IE7及 ...

  6. 简述id，instancetype和__kindof的区别

    id: 好处:可以调用任何对象方法 坏处:不能进行编译检查 + (id)person; instancetype 好处:自动识别当前类的对象 坏处:不会提示返回的类型 + (instancetype) ...

  7. java性能监控常用命令

    jps -m -l:主要用来输出JVM中运行的进程状态信息 jstack -l pid 来观察锁持有情况 jsatck pid | grep pid(十六进制):输出进程pid的堆栈信息 jmap - ...

  8. mongoose 的 model，query：增删改查

    简介 mongoose是node.js的一个操作mongodb的模块,比起之前mongodb模块,只需要在开始时连接,不需要手动关闭,十分方便. 连接mongodb 首先你需要安装mongodb.有了 ...

  9. webapi 通过dynamic 接收可变参数

    public class JsonParamModel { /// <summary> /// json key /// </summary> public string Js ...

  10. iOS去除导航栏和tabbar的1px横线

    1.在自己定义的导航栏中或者设计稿中经常需要去除导航栏的1px横线,主要是颜色太不协调了 去除之前的图片 要去除这1px的横线,首先应该知道它是什么,在Xcode的界面调试中可以看到,它其实是UIIm ...