spss 卡方检验,Logistic回归方法

本文通过SPSS软件探讨新生儿体重较低的影响因素,重点分析了吸烟对新生儿体重的影响。首先,卡方检验显示吸烟与新生儿低出生体重有显著关联。接着,通过Logistic回归分析,发现吸烟、妊娠前体重、早产次数和高血压等因素对新生儿体重产生影响。文中还提到了Walds检验、似然比检验和比分检验在变量筛选中的应用,并指出在有共线性时Walds检验可能不可靠,建议使用似然比检验或比分检验。
摘要由CSDN通过智能技术生成

每天进步一点点

案例:新生儿体重较低影响因素
1:影响因素分析,求出哪些自变量对因变量发生概率有影响,并计算各自变量对因变量的比数比;
2:作为判别分析方法,来估计各种自变量组合条件下因变量各类别的发生概率,从而对结局进行预测,该模型在结果上等价于判别分析;

说明:低出生体重标准:新生儿体重<2500克
结果变量为是否娩出低出生体重儿,变量名为low,1 = 低出生体重,0 =非低出生体重;
考虑的影响因素,即自变量如下:
1:产妇妊娠前体重(lwt,磅)
2:产妇年龄(age,岁)
3:产妇在妊娠期间是否抽烟(smoke,0=未吸,1=吸烟)
4:本次妊娠前早产次数(plt,次)
5:是否患有高血压(ht,0=未患,1=患病)
6:子宫对按摩,催产素等刺激引起收缩的应激性(ui,0=无,1=有)
7:妊娠前三个月社区一声随访次数(ftv,次)
8:种族(race,1=白人,2=黑人,3=其他民族)

数据源请至“我的资源” 自行下载~~~,需要1积分哦~

SPSS(统计分析软件)单因素logistic回归分析是用来研究一个自变量对于一个二元因变量的影响的统计方法。以下是单因素logistic回归分析的步骤: 1. 准备数据:首先,需要准备包含自变量和因变量的数据集。确保数据集中每个观测都拥有准确的数值或类型。如果有缺失的数据,需要进行数据缺失值处理。 2. 导入数据:将数据导入SPSS软件。可以通过打开SPSS软件并选择导入数据的选项,选择对应的数据文件。 3. 创建logistic回归模型:在SPSS软件中,选择“分析”选项栏,然后选择“回归”选项,进一步选择“二元logistic回归”选项。将因变量和自变量添加到对应的输入框中。 4. 拟合模型:单因素logistic回归分析中,只有一个自变量。 SPSS软件会自动计算回归模型的拟合度,例如似然比、卡方检验等指标。 5. 解读系数:在分析的结果中,会得到自变量的系数估计值、标准误、卡方值、P值等信息。系数确定自变量对结果的影响。通过系数的正负、大小和显著性(P值)来解读自变量对结果的影响。 6. 检验模型的适宜度:可以使用拟合优度和模型的预测准确度来评估模型的适宜度。拟合优度指标可以是Hosmer-Lemeshow拟合程度检验,而预测准确度可以由分类表和ROC曲线来评估模型的预测能力。 7. 结果报告:最后,将分析结果报告出来。报告中应包括模型的拟合度指标、自变量系数估计值和显著性,以及适宜度检验的结果。 总的来说,SPSS中单因素logistic回归的步骤包括准备数据、导入数据、创建模型、拟合模型、解读系数、检验适宜度以及结果报告。通过这些步骤,可以研究一个自变量对于二元因变量的影响。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值