多元有序logistic回归分析_多元logistics回归分析

最新推荐文章于 2025-04-03 09:04:19 发布
最新推荐文章于 2025-04-03 09:04:19 发布
阅读量5.2k 收藏 27
点赞数 6
文章标签： 多元有序logistic回归分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_29994587/article/details/112903212
版权
本文介绍了多元有序logistic回归的概念，适用于因变量为多个分类的情况，特别是有序分类变量。文章详细阐述了模型的条件、案例操作步骤，并解释了结果，包括模型拟合信息、伪R方、参数估计等，展示了如何分析和解释模型结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 概念

多元 logistics 回归(multinomial logistics regression)又称多分类 logistics 回归。医学研究、社会科学领域中， 存在因变量是多项的情况， 其中又分为无序(口味： 苦、 甜、 酸、 辣； 科目： 数学、 自然、 语文、 英语) 和有序(辣度： 微辣、 中辣、 重辣) 两类。 对于这类数据需要用多元 logistics 回归。

多元 logistics 回归实际就是多个二元 logistics 回归模型描述各类与参考分类相比各因素的作用。 如， 对于一个三分类的因变量(口味：酸、甜、辣)，可建立两个二元logistics回归模型，分别描述酸味与甜味相比及辣味与酸味相比，各口味的作用。但在估计这些模型参数时，所有对象是一起估计的，其他参数的意义及模型的筛选等与二元logistics类似。

2.条件

因变量：三个及以上分类变量

自变量：分类或连续变量

协变量：分类变量

3.案例及操作

【例】为了研究饮食口味偏好的影响因素，分析年龄、婚姻情况、生活态度在饮食口味类型偏好(1=酸、2=甜、3=辣) 中的作用，共挑选被试30人，结果见下表，试进行多元logistics回归。

说明：本案例数据纯属编造，结论不具有参考性和科学性， 仅供操作训练使用。

⑴建立数据文件口味偏好,sav， 见下图

每个被试有一个口味偏好因变量taste和3个自变量age、married、inactive。

⑵对口味偏好 taste 加权<

最低0.47元/天 解锁文章
書生大人
关注
logistic regression_【科研加油站】SPSS操作之有序Logistic回归的详细教程
weixin_39676021的博客
11-23 2042
点击上方蓝字，轻松关注我们以下内容转载自“医咖会”微信公众号(medieco-ykh)，作者张耀文。上一期我们讨论了有序多分类Logistic回归的SPSS简单操作，本期“科研加油站”栏目，我们一起来探讨有序多分类Logistic回归的SPSS详细操作。问题与数据研究者想调查人们对“本国税收过高”的赞同程度：Strongly Disagree——非常不同意，用“0”表示；Disagree...
logistic回归 简介_有序多分类logistic回归
weixin_39774556的博客
11-23 7175
一、模型简介有序多分类logistic回归用于因变量为有序多分类的情况，如患者对药物的反应y共有三种情况：疗效差、一般和好。定义y=1(疗效差)、y=2(疗效一般)、y=3(疗效好)。对于有序多分类logistic回归，模型将因变量的多个分类依次分割为多个二元logistic回归。如3种不同疗效的患者，分析时拆分为2个二元logistic回归，分别为 (1vs 2 3) 、(1 2 vs...
Logistic回归总结及公式推导
silent_crown的博客
11-30 1273
主要参考https://blog.csdn.net/ligang_csdn/article/details/53838743 简记： sigmoid函数的值为二分类取值为1的概率。 把取值为0和为1的概率合起来得到概率分布。 按所有样本相乘，得到似然函数。 *-1/m取对数似然函数并对求偏导数。采用梯度下降法求似然函数最小值。 结论是： 就是每次减少学习率*所有样本值与误差值(预...
【漫话机器学习系列】178.多元逻辑回归（Multinomial Logistic Regression）
最新发布
IT古董
04-03 1041
在机器学习和统计建模中，分类问题是一类常见的任务，尤其是多分类问题（multi-class classification）。当需要对一个数据点归类到多个类别之一时，普通的逻辑回归（Logistic Regression）已经无法满足需求，而 多元逻辑回归（Multinomial Logistic Regression，简称 MLR） 就是一种扩展后的方法，可以有效地处理这类问题。
多元有序logistic回归分析_多元线性回归分析
weixin_35327612的博客
01-05 6752
首先，多元回归是干什么用的？在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。实际应用中，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。总的来说，回归分析就是用来做预测的，多元回归要比一元回归更加高效实用。如果线性回归方程存在，那么我们要求出每一项 X 前的系数 和常数项 。若要使求得的回归方程效果比...
logistic回归分析优点_如何做有序Logistic回归？结果如何解读？
weixin_39655049的博客
11-20 3497
如果研究X对于Y的影响，Y为定量数据则可以使用线性回归分析。如果Y是定类数据，此时则需要使用logistic回归分析。Logit回归共分为三种，分别是二元Logistic回归、多分类Logistic回归，有序Logistic回归（也称Oridinal回归），此三个方法的区别在于因变量Y的数据类型。如下表：Logistics回归分类哑变量问题有序logistics回归中，X可以为定量数据，也可以是定...
数据分析之Logistic回归分析中的【多元有序逻辑回归】
当我把这件事情做出来的时候，我想要的东西就已经拿到了
04-02 4938
多元有序逻辑回归基于概率模型，它假设因变量的每个类别与一个潜在的连续变量（或称为对数优势）相关联。这个潜在变量的大小决定了观察到的有序分类结果。模型的目标是估计自变量对潜在变量的影响，以及它们如何影响因变量在不同有序类别之间的概率。多元有序逻辑回归用于分析有序分类因变量与一个或多个自变量之间的关系。有序逻辑回归适用于因变量具有自然排序但没有固定间距的类别，例如疾病严重程度（轻度、中度、重度）或调查问卷中的满意度评分（非常不满意、不满意、一般、满意、非常满意）。
多元有序logistic回归分析_有序Logistic回归实例分析（Ordinal Regression）
weixin_33162074的博客
12-23 1万+
如果研究X对于Y的影响，Y为定量数据则可以使用线性回归分析。如果Y是定类数据，此时则需要使用Logit(logistic)回归分析。Logit回归共分为三种，分别是二元Logit(Logistic)回归、多分类Logit(Logistic)回归，有序Logit(Logistic)回归(也称Oridinal回归)，此三个方法的区别在于因变量Y的数据类型。如下表：Logistic回归分类哑变量问题有序...
多元有序logistic回归分析_SPSS实例教程：有序多分类Logistic回归
weixin_42232139的博客
12-23 7320
原标题：SPSS实例教程：有序多分类Logistic回归1、问题与数据在某胃癌筛查项目中，研究者想了解首诊胃癌分期(Stage)与患者的经济水平的关系，以确定胃癌筛查的重点人群。为了避免性别因素对结论的混杂影响，研究者将性别(Sex)也纳入分析(本例仅为举例说明如何进行软件操作，实际研究中需控制的混杂因素可以更多)。研究者将所有筛查人群的结果如表1，变量赋值如表2。表1. 原始数据 表2. 变量赋...
多元有序logistic回归分析_模块五 任务五 有序多元logistic回归
weixin_39770592的博客
12-23 2922
分析——回归——有序输出——勾选平行线检验(作用：检验是否需要进行有序多分类)、预测类别、预测类别概率结果解读：因变量学历共有5个取值，因此一共要切割四次，做4个二元回归模型模型的P<0.05，说明至少有一个自变量对因变量有显著作用拟合优度检验的P>0.05，说明模型还可以接下俩看平行性检验是否通过(P>0.05通过)。如果未通过，就不能建立有序多分类模型原假设：在因变量的不同切...
多元有序logistic回归分析_SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理...
weixin_33638349的博客
02-11 1万+
SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理。有序多分类变量是很常见的变量形式，通常在变量中有多个可能会出现的取值，各取值之间还存在等级关系。比如高血压分级(0=正常，1=正常高值，2=1级高血压，3=2级高血压，4=3级高血压)、尿蛋白水平(0=-，1=±，2=+，3=++，4=+++)等等。与无序多分类变量不同，有序多分类变量的各个选项直接呈现向一个方向递增或...
多元Logistic 回归分析
02-22
多元Logistic_回归分析多元Logistic_
多元有序logistic回归_logistic回归应用指南
weixin_42451850的博客
01-04 8936
一、适用范围 logistic回归是一种广义的线性回归分析模型，常用于疾病诊断、经济预测等领域，主要用途为寻找危险因素（寻找某一疾病的危险因素）、预测（不同自变量情况下，某病或某种情况的发生概率）和判别（判断某人属于某病或某种情况的概率有多大），在疾控项目中较多涉及寻找危险因素，因此，本文主要以寻找危险因素进行举例说明。二、数据结构 logistic回归适用的因变量为二分类...
多元有序logistic回归分析_多元Logistic_回归分析解析.ppt
weixin_33558958的博客
12-23 4289
医学研究中经常遇到分类型变量 二分类变量： 生存与死亡 有病与无病 有效与无效 感染与未感染 多分类有序变量： 疾病程度(轻度、中度、重度) 治愈效果(治愈、显效、好转、无效) 多分类无序变量： 手术方法(A、B、C) 就诊医院(甲、乙、丙、丁) 医学研究者经常关心的问题 哪些因素导致了人群中有的人患胃癌而有的人不患胃癌? 哪些因素导致了手术后有的人感染，而有的人不感染？ 哪些因素导致了某种治疗方...
论文笔记：Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence
Daffy10的博客
11-10 785
核心任务 通过构造辅助句，将ABSA任务转换为“句子对”分类任务（如QA和NLI） 对BERT的预训练模型进行了微调，并在SentiHood和SemEval2014 Task 4数据集上获得了最先进的结果。 动机 BERT在QA和NLI方面取得了很好的成绩。但是，直接使用预训练的BERT模型对(T)ABSA任务并没有太大的改善，作者认为这是预训练的BERT模型使用不当造成的。BERT的输入表示既可以表示单个文本句子，也可以表示一对文本句子。因此可以将(T)ABSA转换为一个句子对分类任务，并对预先训练的
r语言逻辑回归_R语言机器学习 | 3 逻辑回归
weixin_39608300的博客
11-20 6038
1 基础知识逻辑回归(logistic regression)是线性回归的推广，属于广义线性模型(generalized linear model)的一种。所谓广义线性回归，本质上仍然是线性回归，只是把线性回归中的y变成了关于y的函数。举个例子，最简单的单个自变量的线性回归方程为：y=ax+b，现在把y在对数尺度上进行变换，即变为lny=ax+b，也就是y = exp(ax+b)。该回归...
吴恩达 机器学习 ex1 单变量线性回归代码详解（向量化写法）超级适合小白看
qq_17463345的博客
12-17 670
上一篇文章所讲的是吴恩达的机器学习课程第一个课后作业《线性回归》中的part1，单变量线性回归，并且是使用的非向量化的的写法。 非向量化的写法虽然代码很多，显得很乱，但是它有一个好处就是如果你从头一步一步跟着代码走，你可以对线性回归这个算法有一个更清晰的认识。 上一篇文章可以让你更加详细的了解线性回归的过程。 而这篇文章讲的使用向量化写法实施单变量线性回归，优点是可以用更少行数的代码完成同样的任务。 如果没有看过上篇文章的小白，请先去看上一篇文章《吴恩达 机器学习 ex1 单变量线性回归代码详解（非
多元有序logistic回归_如何利用SPSS进行Logistic回归分析
热门推荐
weixin_30458447的博客
01-08 2万+
点击蓝字SPSS关注我今天的这篇方法与经验贴同样是以下文章的作者所写，他擅长SPSS和SAS的各种数据分析操作：风月浊酒，公众号：全哥的学习生涯如何利用SPSS实现多元线性回归(哑变量设置与分析)以下是原文：今天给大家介绍一下logistic回归的SPSS操作。Logistic回归可以得出OR值，在流行病学研究中应用较为广泛，可以用于横断面研究，病例对照研究等。Logistic回归是一种...
多元logistics回归分析R语言
03-17
### 多元Logistic回归分析的实现 #### 方法概述 多元逻辑回归（Multinomial Logistic Regression）是一种扩展形式的二项逻辑回归，适用于因变量具有三个或更多无序类别的场景。通过R语言中的`nnet`包提供的`multinom`函数，可以方便地构建此类模型[^2]。 以下是基于R语言的具体实现过程及其代码示例： --- #### 数据准备 在实际操作前，需加载必要的库并准备好数据集。假设我们有一个名为`data.csv`的数据文件，其中包含自变量和一个三分类的目标变量`target`。 ```r # 加载所需库 library(nnet) # 导入数据 data <- read.csv("data.csv") # 查看数据结构 str(data) ``` 上述代码片段展示了如何导入CSV文件以及查看其基本结构。确保目标变量是一个因子型变量，并且至少有三个水平。 --- #### 构建模型 利用`multinom`函数创建多元逻辑回归模型。以下是一段完整的代码示例： ```r # 将目标变量转换为因子类型 data$target <- as.factor(data$target) # 划分训练集与测试集 set.seed(123) # 设置随机种子以保证可重复性 train_index <- sample(1:nrow(data), size = 0.7 * nrow(data)) train_data <- data[train_index, ] test_data <- data[-train_index, ] # 建立多元逻辑回归模型 model <- multinom(target ~ ., data = train_data) # 输出模型摘要 summary(model) ``` 在此部分中，`~ .`表示使用除目标变量外的所有其他列作为预测变量。此语法简化了公式的书写。 --- #### 模型评估 完成模型构建后，可以通过多种方式对其进行验证。例如，在测试集中计算准确率或其他性能指标。 ```r # 预测测试集的结果 predicted <- predict(model, newdata = test_data) # 计算混淆矩阵 conf_matrix <- table(Predicted = predicted, Actual = test_data$target) print(conf_matrix) # 计算总体准确率 accuracy <- sum(diag(conf_matrix)) / sum(conf_matrix) cat("Accuracy:", accuracy, "\n") ``` 以上代码实现了对测试数据的预测，并生成了一个混淆矩阵以便进一步分析模型表现。 --- #### 拟合优度检验 为了优化模型选择标准，还可以借助AIC、BIC等统计量来进行比较。这里提供一种简单的方式调用这些值： ```r # 提取AIC/BIC值 aic_value <- AIC(model) bic_value <- BIC(model) cat("AIC Value:", aic_value, "\n") cat("BIC Value:", bic_value, "\n") ``` 当面对多个候选模型时，较低的AIC或BIC通常意味着更好的平衡复杂性和拟合程度的能力[^4]。 --- #### 注意事项 对于有序多分类问题，应考虑采用`polr`函数代替`multinom`，因为前者专门针对这类情况设计[^3]。然而需要注意的是，无论选用何种方法，均要确认输入数据满足相应前提条件。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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