SPSS数据分析—Probit回归模型

Probit含义为概率单位，和Logistic回归一样，Probit回归也用于因变量为分类变量的情况，通常情况下，两种回归方法的结果非常接近，但是由于Probit回归的结果解释起来比较抽象不易理解，因此应用不如Logistic回归那样广泛。

Probit回归是基于正态分布理论上进行的，而Logistic回归是基于二项分布，这是二者的区别，当自变量中连续变量较多且符合正态分布时，可以考虑使用Probit回归，而自变量中分类变量较多时，可考虑使用Logistic回归。

在SPSS中，有两个过程可以进行Probit回归，一个是独立的Probit过程，该过程只能处理因变量为二分类的情况；另一个是Logistic回归过程，将连接函数改为Probit，该过程对因变量的形式没有要求。

我们还是以二分类Logistic回归的例子来进行二分类的Probit回归分析，并对比二者的差异

SPSS默认二分类Probit回归的数据资料是频数表形式，而本例的数据形式是个案明细，因此需要增加一个频数变量count，使用以下语句实现比较方便

COMPUTE   count = 1.
EXECUTE.

运行之后，在原数据中将新增一个count变量

分析—回归—Probit

下面我们再看一个频数资料的Probit回归的例子

例：想通过研究某种毒素的浓度与致死量的关系，来分析这种毒素的毒性，数据以频数表的形式组成，如下

c表示毒素浓度，total为每组的小鼠数量，dead为死亡数量

分析—回归—Probit