spss多元逻辑回归结果分析
时间: 2025-04-16 18:48:15 浏览: 35
### SPSS 中多元逻辑回归结果的分析与解释
#### 多元逻辑回归概述
当因变量具有两个以上类别时,适用多元逻辑回归模型。此模型扩展了二元逻辑回归的概念,允许预测多个类别的概率分布。
#### 数据准备与建模过程
在SPSS中执行多元逻辑回归的操作路径为:`分析 -> 回归 -> 多项Logistic...` 。在此过程中需指定因变量以及一个或多个连续型或分类型自变量[^2]。
#### 解读主要输出指标
##### 1. 基本拟合优度统计量
- **伪R方(Pseudo R-Square)**:衡量模型整体解释力,常用Cox & Snell 和 Nagelkerke两种形式表示。
##### 2. 模型似然比检验
- **卡方值 (Chi-square)** 及其对应的p-value用于评估整个模型相对于零假设(即所有系数均为0)是否有显著改进。
##### 3. 参数估计表格
参数估计表提供了各个自变量对于不同水平下相对风险的影响程度:
- **B列**代表未经调整的优势比(Beta Coefficient),反映了每单位变化带来的自然对数尺度上的影响;
- **S.E.(标准误)** 描述了上述估计值的标准误差大小;
- **Wald χ²测试**及其伴随的概率值(p> |z|),用来判断某个特定因素是否对该事件的发生率产生了统计学意义上的差异;
- **Exp(B)** 则给出了更直观的风险比率(Odds Ratio, OR),表明某特征增加一单位时目标发生几率的变化倍数;如果该数值大于1,则说明随着这个因子增大,所研究现象发生的可能性也相应提高;反之则降低。
```plaintext
Variable B S.E. Wald df Sig. Exp(B)
-----------------------------------------------------------
Age .078 (.019) 16.54 1 .000 1.081
Sex(Male=1) -.456 (.213) 4.56 1 .033 .634
...
```
此处展示了一个简化版的参数估计表样例,其中年龄(Age)每增长一年患病几率大约提升约8%,而男性相较于女性而言发病风险降低了近37%[^1]。
#### 预测准确性评价
通过查看混淆矩阵可以了解实际观测值同预测值之间的匹配情况,并据此计算敏感性和特异性等性能指标来进一步验证模型的有效性。
阅读全文
相关推荐


















