二元logistic模型案例_SPSS二项logistic回归分析案例实践,做个预测模型

本文通过SPSS进行二元logistic回归分析,建立商户续约预测模型。通过对注册时长、营业收入、成本数据的分析,模型显示这三个因素对续约有显著影响。虽然模型整体预测准确率为73.1%,但预测不续约的准确率仅为54.7%,提示模型仍有提升空间。
摘要由CSDN通过智能技术生成

SPSS二项logistic回归分析案例实践,做个预测模型

自己动手实践是学习统计软件工具的捷径之一。

收集到某公司各个商户id,以及他们的注册时长、营业收入、成本数据,以及合作续约的情况,现在我们想尝试基于这样的数据创建商户续约预测模型。

简要分析一下,因变量是是否续约(0或1),可能的因素包括注册时长、营业收入、成本数据。

01

SPSS菜单操作

数据读取到SPSS,打开菜单【分析】→【回归】→【二元logistic】。

1)因变量:是否续约;

2)块/自变量:注册时长、营业收入、成本,三个均为连续性数据;

3)回归方法:因自变量/因素变量较少,所以先考虑全部进入模型,因此选择【enter法】;

点开【选项】对话框,

1)勾选霍斯默-莱梅肖拟合优度检验,也简称为HL检验,显著性p值越大越好(可取>0.05),表明模型拟合较好;

2)勾选【在最后一个步骤】,让结果简要简约;

OK,直接命令软件执行此次分析。

02

结果解读

SPSS输出的结果很多,我们需要挑着捡着解读,不必要把所有的图和表格都做解读。

评论
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