Question

logistic回归分析结果解读

在logistic 回归分析中，探讨因变量Y与自变a,b,c,d关系。已知a与b可能是相关的,在单变量分析中a,b,c,d都是 有意义的。在a,b,c ,d同时纳入多变量模型后显示a,c,d有统计学意义，但在不分析a的情况下，即只将b,c,d纳入多变量模型进行分析，则b,c,d有统计学意义。
问‘
1。这种现象如何解释？
2。如何将a,b,c,d都纳入模型——但不分析a，仅将a作为b的控制因素，分析b,c,d对Y的影响-第一种分析就是吗？
谢谢

Answer 1

可以使用在线spss平台SPSSAU进行分析，格式更加易理解，分析结果如下：

第一：对模型整体情况进行说明，比如对R方值进行描述，以及列出模型公式。

第二：逐一分析X对于Y（相对于的对比项）影响情况；如果X对应的P值小于0.05则说明X会对Y（相对于的对比项）产生影响关系，此时可结合OR值进一步分析影响幅度。第三：总结分析结果。

以及可结合输出的智能文字分析，进行解读。

Answer 2

不一定！这取决于因变量的编码，情况十分复杂：
假如，因变量编码为1时代表无病，2代表有病，那么偏回归系数为负就说明是保护性因素；如果编码为1时代表有病，2代表无病，那么偏回归系数为负就说明是危险因素，正好与前面的说法相反！注意，这个说法仅仅对于自变量为连续变量者（如体重、年龄、身高等）而言。
因此，在spss的Logistic回归分析中，因变量编码十分重要，总结以上规律不难发现，Logistic回归默认因变量编码小者为对照分类（或称参考分类）。
对于自变量为分类变量者（如性别、婚姻状态等）而言，偏回归系数的符号不但取决于因变量编码，还取决于自变量的对照分类（或称参考分类）的设定，这个设定用户是可以调整的，系统默认编码最大者为对照分类（或称参考分类），这个情况你可以在分析结果的参数估计表中看到。因此，在因变量编码为1时代表无病，2代表有病默认设置下，如果自变量也采用默认设置，那么某一偏回归系数为负就说明，相对于自变量的对照分类而言，该自变量分类为保护性因素，其他情况可以类推。
以上回答你满意么？

追问

您这与我问的问题好像不沾边啊。

Answer 3

logistic回归主要用于危险因素探索。因变量y为二分类或多分类变量，自变量既可以为分类变量，也可以为连续变量。 　　回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测期的数量变化来预测因变量关系大多表现为相关关系，因此，回归分析预测法是一种重要的市场预测方法，当我们在对市场现象未来发展状况和水平进行预测时，如果能将影响市场预测对象的主要因素找到，并且能够取得其数量资料，就可以采用回归分析预测法进行预测。它是一种具体的、行之有效的、实用价值很高的常用市场预测方法。

Answer 4

不知道你是否听说过辛普森悖论，了解这个玩意也许能解决你的问题，如果需要在考虑A而不分析a，如果a是离散的，将不同a不同取值放入不同的模型中，然后分析其他变量。如果a是连续的，，，那就复杂一点。。。。。

Answer 5