二元logistic模型案例_综合因素与定罪的二元 Logistic 回归分析

通过交叉分析与卡方检验已经得出 7 个自变量对于遗弃致人死亡定罪具有显著性影响， 但这些影响仅在考虑单个因素、不控制其他自变量的情境下，要了解综合因素、控制其他因 素的情况下，自变量对于遗弃致人死亡定罪是否有影响、影响程度如何，须将 7 个自变量纳 入 Logistic 回归模型进行分析。由于“是否故意杀人罪定罪”为二元分类变量，遂采用二元 Logistic 回归分析。基于回 归的假设前提，需将所有无序分类自变量转换为哑变量，并选择参照类别。参照类别设置如 下，遗弃对象之父母，遗弃地点之公共场所，遗弃时气温之未说明，遗弃行为程度之弱化 遗弃，遗弃次数、时长之多次、跨时，主观方面之未说明，他人知悉、协调之未说明。在 SPSS 中，将因变量和 8 个自变量纳入二元 Logistic 回归模型，8 个自变量均设置为分类变 量，并在参考类别中选择“最后一个”，Exp(B)置信区间为 95%，自变量进入模型方法为 “输入”(系统默认)。 一 回归方程的拟合优度检验

通过样本数据建立的回归方程还不能直接用于实际问题分析和预测，通常要先通过各种 统计检验。欲利用回归模型预测并获得准确结论，回归方程的拟合优度〔19〕须足够高。线性 回归方程的拟合优度主要看 R² 〔20〕，而对于二元 Logistic 回归方程