SPSS实验8-二项Logistic回归分析

Step 1 是否购买 不购买 购买 Overall Percentage 不购买 236 131 购买 33 31 87.7 19.1 61.9 a. The cut value is .500 分析：上表显示了当前所得模型的错判矩阵。可以看到，脚注中的The Cut value is .500意味着：如果预测概率值大于0.5，则认为被解释变量的分类预测值为1，如果小于0.5，则认为被解释变量的分类预测值为0.；在实际没购买的269人中，模型正确识

别了236人，识别错误了131人，正确率为19.1%。模型总的预测正确率为61.9%。与前一步相比，对未购买的预测准确度下降了，对购买的预测准确度上升了，但总体预测精度仍下降了。因此模型预测效果并不十分理想。 消费的二项Logistic分析结果（八）（强制进入策略）

Variables in the Equation Step 1 aB .025 .511 S.E. .018 .209 Wald 1.974 5.954 df 1 1 Sig. .160 .015 Exp(B) 1.026 1.667 age gender(1) income .101 .787 -2.112 .263 .253 .754 12.305 2 .002 1.106 2.196 .121 income(1) income(2) Constant .146 9.676 7.843 1 1 1 .703 .002 .005 a. Variable(s) entered on step 1: age, gender, income. 分析：上表显示了当前所得模型中各个回归系数方面的指标。可以看出，如果显著性水平a为0.05，由于Age的Wald检验概率p值大于显著性水平a，不应拒绝零假设，认为该回归系数与0无显著差异，它与Logit P的线性关系是不显著的，不应保留

在方程中。由于方程中包含了不显著的解释变量，因此该模型是不可用的，应重新建模。 下面是对模型做进一步分析，解释变量的筛选采用基于极大似然估计的逐步筛选策略（Forward：LR），分析的具体操作以及结果如下： （二）基本操作：

（1）选择菜单Analyze－Regression－Binary Logistic; （2）选择是否购买作为被解释变