6.3、SPSS有序回归—零基础入门教程

SPSS有序回归

一、参数设置

（1）打开数据文件，选择“分析” →“ 回归” →“有序” ，弹出“Ordinal回归”对话框，如下图所示，各项含义如下。

●    因变量列表：选入一个有序分类变量作为因变量，可以是数值型或字符串型。

●    因子列表：选入一个或多个分类变量作为因素变量。

●    协变量列表：选入一个或多个数值型变量作为协变量。

（2）单击按钮，弹出“Ordinal回归：选项”对话框，如下图所示，可以调整迭代估计算法中所使用的参数，选择参数估计值的置信度并选择关联函数，各项含义如下。种函数供选择。

●    迭代：可以定制迭代算法。

➢   最大迭代：指定一个非负整数作为最大迭代数，如果指定为0 ，那么过程会返回初始估计值。

➢   最大步骤对分：指定一个正整数作为最大等分值。

➢   对数似然性收敛性：在下拉列表中指定对数似然比的收敛值，回归过程中对数似然比函数的绝对或相对变化小于该值，迭代终止。系统默认为0 ，即不使用该条件。

➢   参数收敛：在下拉列表中指定参数的收敛值，回归过程中参数估计的绝对或相对变化小于该值，迭代终止，系统默认为0.000001。

●    置信区间：输入0～100之间的数，指定置信区间，系统默认为 95。

●    Delta：输入小于1的正数，将被添加到交叉表的单元格中，有助于稳定算法、阻止估计偏差。

●    奇异性容差：用于检查具有高度依赖性的预测变量。在下拉列表中指定检验奇异性的容许值，系统默认为0.00000001。

●    链接：指定链接函数，链接函数是累积概率的转换形式，可用于模型估计共有5

➢   Cauchi f（x ）=tan（n （x   潜在变量存−0.5））     在较多极端值的情况。

➢   补充对数-对    f （x ）=log( −log（1−x   在可能存在数 ））更多较高类别时使用。

➢   Logit   f （x ）=log（x /（1−x 用于均匀分) ) 布的情况。

➢   负对数-对数    f （x ）=−log( −log（x 在可能存在) )   更多较低类别时使用。

➢   概率   f （x ）=Φ− 1 （x ）潜在变量为正态分布的情况。

（3）单击 按钮，弹出“Ordinal回归：输出”对话框，如下图所示，各项含义如下。

●    输出

➢   为每一项打印迭代历史记录：在输入框中输入数值n，表示输出每隔n步的迭代记录。

➢   拟合度统计：输出Pearson卡方和似然比卡方统计量。

➢   汇总统计：输出Cox&Snell卡方、Nagelkerke卡方和McFadden卡方等统计量。

➢   参数估计：输出参数估计值、标准误和置信区间。

➢   参数估计的渐进相关性：输出参数估计值的相关系数矩阵。

➢   参数估计的渐进协方差：输出参数估计的协方差矩阵。

➢   单元格信息：输出观测和期望频率、累计频率、频率、累计频率的Pearson残差等统计量。

➢   平行线检验：检验参数估计在各响应类别中是否相等，仅适用于定位模型。

●    保存变量，将以下变量保存到工作文件。

➢   估计响应概率：估计观测量进入因变量各组的响应概率值。

➢   预测类别：保存模型预测的观测量分类。

➢   预测类别概率：预测最大的估计响应概率。

➢   实际类别概率：预测正确时的估计响应概率。

●    打印对数似然：控制对数似然估计的显示。

➢   包含多项常量：包含常数项，提供似然估计的完整值，系统默认。

➢   不包含多项常量：不包含常数项。

（4）单击位置心… 按钮，弹出“有序回归：位置”对话框，如下图所示，定制模型设置，各项含义如下。

●    指定模型

➢   主效应：模型中只包括协变量和因素变量的主效应，不包括交互效应。

➢   定制：由用户指定使用哪些主效应和交互效应选择此项，激活下面的选项。

●    因子/协变量列表：包括协变量和因素变量。

●    构建项：用来指定效应的种类，包括主效应、交互效应、所有 二阶、所有三阶、所有四阶和所有五阶。

●    具体步骤：在因子/协变量列表选中变量，在构建项中选择效应种类，单击按钮，将其选入位置模型列表。

（5）单击按钮，弹出“Ordinal回归：度量”对话框，如下图所示，设置与尺度模型有关的参数，设置方式与“有序回归：位置”对话框相同，不再重复介绍。

二、有序回归的SPSS实现

实例五：“data09-06.sav”数据文件是一种药物对不同患者的治疗效果，如下图所示。现要求利用有序回归来分析年龄、性别和药物治疗效果之间的关系。

数据文件：数据文件\Chapter09\data09-06.sav

视频文件：视频文件\Chapter09\有序回归．avi

（1）打开“data09-06.sav”数据文件，选择“分析” →“ 回归” →“有序” ，弹出“Ordinal回归”对话框。

（2）在左侧的变量列表中选中“ 治疗效果”变量，单击按钮，将其选入“ 因变量列表” ，将“性别” 、“ 患者年龄”变量选入右边的因子列表。

（3） 按钮、 按钮、位置心… 按钮和按钮中设置均为SPSS的默认选项。

（4）完成所有设置后，单击腿按钮执行命令。

三、有序回归的结果分析

从下表可以看出提示用户频率为0的单元格有1个，可以进行统计量的计算，当频率为0的单元格很多时，会影响统计量的计算和有效性，在评价模型时要慎重使用卡方检验的拟合优度统计量。

下表给出了分类变量各水平下的个案数以及边缘百分比，本例有效个案为400个，无缺失值。

从下表可以看出最终模型和模型中仅有截距项时的似然比检验结果，可以看到显著性小于0.01 ，说明最终模型要优于仅有截距的模型。

从下表可以看到Pearson统计量和偏差统计量，从显著性都大于0.05 ，说明不能拒绝零假设，零假设为模型能很好的拟合数据。

从下表可以看出考克斯-斯奈尔统计量、Nagelkerke统计量和McFadden统计量的显著性均大于0.05 ，说明不能拒绝零假设，零假设为 模型能很好的拟合数据。

从下表可以看到，第四列为Wald统计量，第6列为其显著性水平，如果显著性小于0.05 ，说明对应的系数估计显著地不为0 ，本例中治性别=1的显著性水平大于0.05 ，说明药物对男女患者之间的治疗效果 差异不显著，而各年龄段与年龄=5相比，差异都显著，可推断出该药物随着患者年龄的增长，患者自身的抵抗力下降，药效随之下降。

如果上述教程没有解决您的问题，可以联系分析师获取支持：

分析师服务（24小时在线）

如果您需要代做服务，可选择下方服务选项：

‍1、问卷设计、问卷调查：点击联系

2、数据分析、实证分析：点击联系‍

3、科研配图、论文配图：点击联系

4、文章指导、润色美化：点击联系

5、数据查找、代查代下：点击联系

6、数据修改、调整合理：点击联系‍

7、职称评审、课题申报：点击联系

8、格式排版、文章翻译：点击联系‍