发布时间 : 星期一 文章9、市场分析与预测答案更新完毕开始阅读
总计 939 100.0 a. 如果权重有效，请参见分类表以获得案例总数。
因变量编码 初始值 Bush Perot
内部值
0 1
分类变量编码
男
sex
女
频率 参数编码 (1)
467 472 1.000 .000
输出结果（二）：显示了Logit回归初始阶段（第0步，方程中只有常数项）的情况。可以看到，661人投了Bush的票且模型预测正确，正确率为100%；278人投了Perot的票，但模型预测错误，正确率为0%。模型总的预测正确率为70.4%。
分类表
a,b
已观测
vote Bush
vote
步骤 0
Perot
总计百分比
278 Bush
661 已预测
百分比校正
Perot
0 0 100.0 .0 70.4
a. 模型中包括常量。 b. 切割值为 .500
输出结果（三）：显示了方程中只有常数项时的回归系数方面的指标，各数据项的含义一次为：回归系数、回归系数标准误差、Wald检验统计量的观测值、自由度、Wald检验统计量的概率P值、相对风险比。由于此模型中为包含任何解释变量，该表并无太多实际意义。
方程中的变量 步骤 0 常量 B -.866 S.E, .071 Wals 146.808 df 1 Sig. .000 Exp (B) .421
输出结果（四）：显示了待进入方程的解释变量的情况。各数据项的含义依次是：Score检验统计量的观测值、自由度和概率P值。例如，如果下一步受教育水平（Educ）进入方程，其概率P值为0.115大于显著性水平a=0.05，所以不能进入方程。但是这里采用Enter策略，因此所有解释变量将强行进入方程。
不在方程中的变量
age
步骤 0
sex(1)
总统计量 变量
educ
得分 39.137 2.483 3.859 42.941 df
1 1 1 3 Sig. .000 .115 .049 .000
输出结果（五）：显示了所有解释变量强行进入方程时回归方程的总体情况，各数据项的含义依次是：似然比卡方的观测值、自由度和概率P值。本例所选变量均进入方程，与前一步相比，似然比卡方的观测值为46.234，概率P值为0.000，小于显著性水平a=0.05，应拒绝原假设，认为所有回归系数不同时为0，该模型是合理的。
这里分别输出了三行似然比卡方值。其中，Step（步骤）行是本步与前一步相比的似然比卡方；Block（块）行是本块与前面一块相比的似然比卡方；Model（模型）行是本模型与前一模型相比的似然比卡方值。本例中，由于解释变量是一次性强制进入模型的，所以三行结果相同。
模型系数的综合检验
步骤
步骤 1 块
模型
卡方 46.234 46.234 46.234 df
3 3 3 Sig. .000 .000 .000
输出结果（六）：显示了当前模型拟合优度方面的指标，-2倍的对数似然函数越小，则模型拟合优度越高，本例中的该值较大，拟合优度并不理想，且Cox&Snelly R2以及Nagelkerke R2都很小，也说明拟合优度较低。 模型汇总 步骤 1 a. 因为参数估计的更改范围小于 .001，所以估计在迭代次数 4 处终止。
-2 对数似然值 Cox & Snell R 方 Nagelkerke R 方 1094.630 a.048 .068
输出结果（七）：显示了当前模型的预测结果矩阵，脚注中切割点.500表示，如果预测概率值大于0.05，则认为解释变量的分类预测值为1；如果小于0.05,则认为被解释变量的分类预测值为0。在投票给Bush的661人中，模型正确识别了659人，错误识别了人，正确率为99.7%；在投票给Perot的278人中，正确识别了1人，错误识别了277人，正确率仅有0.4%。模型总体的预测正确率70.3%。
分类表 a 已观测 vote Bush vote 步骤 1 Perot 总计百分比 277 Bush 659 已预测 百分比校正 Perot 2 1 99.7 .4 70.3 a. 切割值为 .500
输出结果（八）：显示了当前模型中各回归系数方面的指标。可以看出，如果显著性水平a为0.05，Age的Wald检验的概率P值小于显著性水平a，而Education和Sex的Wald检验的概率P值大于显著性水平a，因此，Age（年龄）对选民投票倾向的影响是显著的，而Education（受教育水平）和Sex（性别）对选民投票倾向无显著影响。
根据模型系数判断，年长的选民更倾向于将选票投给Bush，年轻的选民则倾向于将选票投给Perot。
方程中的变量
age
步骤 1
sex(1) 常量
a
B -.031 .016 .285 .149 S.E, .005 .019 .147 .374 Wals 36.210 .770 3.761 .158 df
1 1 1 1 Sig. .000 .380 .052 .691 Exp (B)
.969 1.017 1.329 1.160 educ
a. 在步骤 1 中输入的变量: age, educ, sex.
logit模型（多元选择）
基本操作步骤：
（1）选择菜单：Analyze-Regression-Multinomial Logistic；
（2）选择被解释变量到Dependent框中，按Reference Category按钮指定被解释变量的参照类别； （3）选择分类型解释变量到Factors框中，选择数值型解释变量到Covariates框中； （4）按Model按钮指定模型类型；
（5）按Statistics按钮指定输出哪些统计量。
（6）按Save按钮，选择适当选项后，SPSS将自动将预测结果以变量的形式存储到数据编辑窗口中。
输出结果（一）：给出了选民投票和选民性别的分布情况。
案例处理摘要
Bush
vote
Perot Clinton
N 661 278 908 边际百分比
35.8% 15.1% 49.2% sex 有效 缺失 总计 子总体
男 女
804 1043 1847 0 1847 856 a
43.5% 56.5% 100.0%
a. 因变量只有一个在 533 (62.3%) 子总体中观察到的值。
输出结果（二）：给出了当前模型的拟合优度指标，前两个跟二项Logisitic回归分析相同。第三个统计量McFadden一般在0.3至0.5之间就相当理想了。
伪 R 方 Cox 和 Snell Nagelkerke McFadden .048 .055 .024
输出结果（三）：给出了只有截距项的模型和最终模型的回归方程显著性检验结果。可以看出，仅含截距项的模型的-2倍的对数似然值为2537，而最终模型为2447，似然比卡方值为89.888，概率P值为0.000，小于显著性水平a=0.05，说明解释变量总体上对被解释变量的影响是显著的，也就说模型总体来讲是有效的。 模型拟合信息 模型 模型拟合标准 -2 倍对数似然值 仅截距 最终 2537.159 2447.271 卡方 似然比检验 df 显著水平 89.888 6 .000
输出结果（四）：给出了模型参数的估计结果，表中项目依次为回归系数估计值、标准误差、Wald统计量的观测值、自由度、Wald统计量观测值对应的概率P值等。于是得到两个方程，第一个方程被解释变量为选择Bush的概率与选择Perot的概率之比的自然对数，第二个方程为选择Clinton的概率与选择Perot的概率之比的自然对数。根据两个方程的显著性水平来看，在a=0.05的条件下，受教育水平（Education）都是不显著的，而年龄和性别则是显著的。根据模型的系数可见，相对于Perot而言，年长者和女性跟倾向于选择Bush；相对于Perot而言，年长者和女性更倾向于选择Clinton。
参数估计 vote aB 标准误 Wald df 显著水平 .430 .000 .729 .038 . .818 Exp(B) 截距 age Bush educ [sex=1.00] [sex=2.00] Clinton 截距 -.293 .031 -.006 -.301 0 .081 b.371 .005 .018 .145 . .353 .622 37.448 .120 4.307 . .053 1 1 1 1 0 1 1.032 .994 .740 .