关注今日：0 | 主题：198497
微信扫一扫
【求助】logistic逐步向前回归分析
页码直达：
这个帖子发布于3年零273天前，其中的信息可能已发生改变或有所发展。
问题已解决悬赏丁当:5
请教各位统计老师，我用logistic逐步向前回归分析后，发现指标进入方程，但是P值0.07.
想问的是这个进入方程中的指标与因变量之间的关系是独立的吗？能下“该指标与因变量独立相关”的结论吗？多谢。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
pearzhouq 是可以 非常感谢您的回复，我用logistic回归的目的主要是想寻找独立因素。现在发现我关注的指标虽然进入了方程，但是该指标的OR的P值大于0.05. 此时OR的95%CI是包含1的。这样写在文章中，并说“该指标与因变量独立相关”。审稿人会不会产生怀疑呢？再次感谢您的热心帮助。多谢。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
看错了。。。。跨过1的话，就是米有意义。。。！！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园【图文】逐步回归_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
大小：1.43MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢逐步回归法的基本原理_中华文本库
逐步回归法_机械/仪表_工程科技_专业资料。逐步回归法 逐步回归的基本思想是:对...从方法上讲, 逐步回归分析并没有采用什么新的理论, 其原理还只是多元线性回归...
介绍SPSS 中逐步回归分析的应用
12:30:45| 分类: 默认分类 阅读...把它写 成矩阵形式: Y=Xβ+ξ 用最小二乘法原理,建立正规方程,可解出 bo...
多元回归分析的原理与应用_数学_自然科学_专业资料。多元回归分析 的原理与应用 ...? ? ? 探索性回归: 向前选择法(forward) 向后剔除法(backward) 逐步回归法(...
近代回归分析—原理方法及应 用[M]. 合肥:安徽教育出版社,1987 年. [5]彭志捌, 蒋丽娟, 张凤. 财政收入的逐步回归 分析 [J]. 乌鲁木齐职业大学学报 ,2004...
用Excel作逐步回归分析_电脑基础知识_IT/计算机_专业资料。excel运用 ...1 1. 1 逐步回归原理与相关 Excel 函数逐步回归原理 实际问题中, 如果考虑的...
逐步回归分析法_文学_高等教育_教育专区
暂无评价|0人阅读|0次下载|举报文档逐步回归分析法_文学_高等教育_教育专区。 +申请认证
文档贡献者 陈名银 金融研究...
根据最小二乘估计的原理,增加自变量时残差平方和将 p ?1 减少,减少自变量时...七、逐步回归法 逐步回归法的基本思想是有进有出。具体做法是将变量一个一个...
逐步回归分析_工学_高等教育_教育专区。matlab中回归分析的全面解析回归分析 MATLAB 工具箱一、多元线性回归 多元线性回归: y = β 0 + β1 x1 + ... + β...
4)逐步回归分析法 逐步回归分析法是指运用回归分析原理采用双检验原则, 逐步引入 和剔除自变量而建立最优回归方程的优选方法。具体含义是: (1)每步有二个过程 即...
建立逐步回归多因子回归方程是基于最小二乘法原理, 通过逐步回归剔除对因变量不起作用或作用极小的因子 ,挑 选出显著性因子,最终得出最优回归模型,但最优模型...
逐步回归分析是以AIC信息统计量为准则，通过选择最小的AIC信息统计量，来达到删除或增加变量的目的。
R语言中用于逐步回归分析的函数 step() & &drop1() & & add1()
#1.载入数据 首先对数据进行多元线性回归分析
tdata&-data.frame(
x1=c( 7, 1,11,11, 7,11, 3, 1, 2,21, 1,11,10),
x2=c(26,29,56,31,52,55,71,31,54,47,40,66,68),
x3=c( 6,15, 8, 8, 6, 9,17,22,18, 4,23, 9, 8),
x4=c(60,52,20,47,33,22, 6,44,22,26,34,12,12),
Y =c(78.5,74.3,104.3,87.6,95.9,109.2,102.7,72.5,
93.1,115.9,83.8,113.3,109.4)
tlm&-lm(Y~x1+x2+x3+x4,data=tdata)
summary(tlm)
多元线性回归结果分析
通过观察，回归方程的系数都没有通过显著性检验
#2.逐步回归分析
tstep&-step(tlm)summary(tstep)
结果分析：当用x1 x2 x3 x4作为回归方程的系数时，AIC的值为26.94
& & & & & & & 去掉x3 回归方程的AIC值为24.974；去掉x4 回归方程的AIC值为25.011&&
& & & & & & & 由于去x3可以使得AIC达到最小值，因此R会自动去掉x3;
去掉x3之后 AIC的值都增加 逐步回归分析终止 &得到当前最优的回归方程
回归系数的显著性水平有所提高 但是x2 x4的显著性水平仍然不理想
#3.逐步回归分析的优化
drop1(tstep)
如果去掉x4 AIC的值从24.974增加到25.420 是三个变量中增加最小的
#4.进一步进行多元回归分析
tlm&-lm(Y~x1+x2,data=tdata)
summary(tlm)
所有的检验均为显著
因此所得回归方程为y=52.531x1+&0.66225x2.
& & & & & & &
阅读(...) 评论()苹果/安卓/wp
积分 12, 距离下一级还需 12 积分
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
在建立logit回归的时候做着做着就出现了下面的错误：
Error in step(full.logit1, direction = &both&) :
&&行数有变化：是不是删除了遺漏值?
不知道这是什么原因。。有大神能解答一下吗？
还有还有，我在建立logit回归的时候，自变量有很大一部分都是顺序变量，然后在做summary的时候都是以每个选项做显著性水平检验的，如下：
& summary(full.logit1)
glm(formula = y ~ x1 + x2 + x3 + x4 + x5 + x7 + x8 + x10 + x11 +
& & x12 + x13 + x14 + x15 + x16 + x17 + x18 + x19 + x20 + x21 +
& & x22 + x23, family = binomial(), data = d1)
Deviance Residuals:
& & Min& && & 1Q& &Median& && & 3Q& && &Max&&
-2.9354&&-0.5627&&-0.1396& &0.4062& &1.9585&&
Coefficients:
& && && && &&&Estimate Std. Error z value Pr(&|z|)& &
(Intercept)& &-3..18047&&-0.001&&0.99940& &
x1& && && && & 0.48219& & 0.62058& &0.777&&0.43716& &
x2& && && && &-2.29022& & 1.12935&&-2.028&&0.04257 *
x3& && && && & 0.90796& & 0.88914& &1.021&&0.30717& &
x4.L& && && &&&2.33869& & 1.02711& &2.277&&0.02279 *
x5.L& && && &&&0.03069& & 1.03527& &0.030&&0.97635& &
x5.Q& && && & -0.70574& & 0.65599&&-1.076&&0.28200& &
x7.L& && && & -0.61079& & 0.87372&&-0.699&&0.48451& &
x7.Q& && && &&&1.01796& & 0.73920& &1.377&&0.16848& &
x7.C& && && &&&0.53866& & 0.54146& &0.995&&0.31982& &
x8.L& && && &-10..23152&&-0.007&&0.99481& &
x8.Q& && && &-10..95922&&-0.008&&0.99386& &
x8.C& && && & -4.7659&&-0.006&&0.99512& &
x8^4& && && & -2.8302&&-0.010&&0.99215& &
x10.L& && && &-2.26239& & 1.23255&&-1.836&&0.06643 .
x10.Q& && && &-2.19456& & 1.03511&&-2.120&&0.03400 *
x10.C& && && &-1.07456& & 0.86413&&-1.244&&0.21368& &
x10^4& && && &-0.77051& & 0.68895&&-1.118&&0.26340& &
x11.L& && && & 1.14844& & 0.63396& &1.812&&0.07006 .
x11.Q& && && & 0.11253& & 0.57090& &0.197&&0.84374& &
x12.L& && &&&-16..58445&&-0.006&&0.99538& &
x12.Q& && && &12..61279& &0.006&&0.99534& &
x12.C& && && &-6.7835&&-0.007&&0.99429& &
x13.L& && && & 6.60842& & 2.32112& &2.847&&0.00441 **
x13.Q& && && & 1.69041& & 1.83689& &0.920&&0.35744& &
x13.C& && && & 3.09368& & 1.31324& &2.356&&0.01849 *
x13^4& && && &-1.20408& & 0.71807&&-1.677&&0.09358 .
x14.L& && &&&-37..07214&&-0.005&&0.99606& &
x14.Q& && &&&-28..06961&&-0.005&&0.99600& &
x14.C& && &&&-13..02409&&-0.005&&0.99574& &
x15.L& && && & 0.40416& & 0.96707& &0.418&&0.67600& &
x15.Q& && && & 1.01431& & 0.89099& &1.138&&0.25495& &
x15.C& && && &-0.85020& & 0.98525&&-0.863&&0.38818& &
x15^4& && && &-0.23692& & 1.06752&&-0.222&&0.82436& &
x15^5& && && &-1.67357& & 0.96377&&-1.736&&0.08248 .
x16.L& && && &-2.09446& & 1.43931&&-1.455&&0.14562& &
x16.Q& && && & 1.15016& & 1.31639& &0.874&&0.38227& &
x16.C& && && &-2.85801& & 1.00204&&-2.852&&0.00434 **
x16^4& && && & 0.15741& & 0.57778& &0.272&&0.78528& &
x17.L& && && &-0.43889& & 1.12435&&-0.390&&0.69628& &
x17.Q& && && & 0.51206& & 0.69075& &0.741&&0.45851& &
x18.L& && && &15..85228& &0.006&&0.99506& &
x18.Q& && && &-8..93450&&-0.004&&0.99670& &
x18.C& && && & 7..42629& &0.006&&0.99530& &
x18^4& && && &-3.1998&&-0.007&&0.99475& &
x19.L& && && &17..44089& &0.008&&0.99386& &
x19.Q& && && &15..38953& &0.009&&0.99320& &
x19.C& && && & 8..72056& &0.007&&0.99405& &
x19^4& && && & 3.3937& &0.008&&0.99370& &
x20.L& && &&&-26..19982&&-0.004&&0.99701& &
x20.Q& && && &-0..47438& &0.000&&0.99997& &
x20.C& && &&&-12..60000&&-0.004&&0.99715& &
x20^4& && && &-0..85846&&-0.001&&0.99953& &
x21.L& && && &12..15591& &0.003&&0.99797& &
x21.Q& && && & 9..14541& &0.003&&0.99791& &
x21.C& && && & 5..71870& &0.003&&0.99760& &
x22.L& && && & 2.40414& & 1.11693& &2.152&&0.03136 *
x22.Q& && && &-0.05562& & 0.76379&&-0.073&&0.94195& &
x22.C& && && & 1.63877& & 0.74434& &2.202&&0.02769 *
x23.L& && && &-1.03942& & 0.95386&&-1.090&&0.27584& &
x23.Q& && && & 0.79675& & 0.77043& &1.034&&0.30106& &
Signif. codes:&&0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
所以我应该用每个选项来做模型吗。。还有那个L.Q.C是什么。。就是1.2.3的意思么？求大神解答T T
& & Null deviance: 240.23&&on 177&&degrees of freedom
Residual deviance: 125.21&&on 117&&degrees of freedom
&&(11 observations deleted due to missingness)
AIC: 247.21
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
看不明白！
要在数据预处理是做剔除缺省值处理：na.omit()
楼主你好，这个问题我也遇到了，换所有别的变量都没问题唯独一个变量总是提示这个错误，一直找不到解决办法可否麻烦楼主帮忙解答下 为什么说Error in step(fit) : 行数有变化：是不是删除了遺漏值?我的邮箱
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师