求帮忙指点评价多项逻辑分析的结果

5628

收藏 2015-07-15

新手又来向各位前辈指教了，望能够得到大家的批评和建议～～

本人研究的主要目的是建立城市用地转换的预测模型，共有四类因变量和13类自变量，其中自变量都是连续的测量数值，但是为了计算简便，本人自己将所有数据依据经验划分为了递增的等级数据，分别用1-10之间的数字来代表他们参与模型计算～～这是前提

然后，在逻辑回归分析的准备阶段，考虑到自变量都是有序递增的，我将所有的自变量都设置为协变量类型，最终分析结果如下

我的问题是：
1. 我的自变量处理方法是否恰当？？选择协变量类型是否合适？
2. 结果中的哪些数据能判断我的模型构建是否与真实数据相符？模型预测准确度是否良好？
3.如果模型是正确的，那么B是否就代表了自变量在公式中的系数？而且没有通过显著性检验的参数是否没有必要再纳入公式计算了呢？
4. 如果处于显著性检验标准附近的参数（0.05），该如何取舍？

谢谢各位指导～～～

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

xddlovejiao1314

2015-7-15 09:10:59

第一个问题：不明白自变量明明是连续性的变量，楼主为什么要把它处理为类别变量，这背后有什么文献/理论上的依据么？即使楼主有依据这样做了，那在后面的建模分析中应该将类别变量处理为哑变量（虚拟变量）的形式纳入模型，而不是以类别变量直接纳入模型，这样会出问题的。所以建议楼主还是用连续性的变量直接纳入模型吧。PS：在建模前对数据做一些预处理，如右偏态分布数据取对数等。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-15 09:13:05

第二个问题：其实楼主想问的是模型的拟合效果（即像多元回归里面一样有个R^2）。然而logit模型不像多元线性回归，会有一个R^2，logit模型会报告一个准R^2(Pseudo R^2)，但这个只能做一个参考，没有多大实际意义；判断拟合优度的另外一个方法是看正确预测的百分比，因为Logit是个概率模型。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-15 09:18:01

第三个问题：B是代表自变量对应的偏回归系数。至于你说的“没有通过显著性检验的参数是否没有必要再纳入公式计算了呢？”这个问题有意思。我想楼主没有明白一个问题，就是你的自变量选取可能是你自己根据常识/一些文献来的，没有找到变量背后选择的理论基础/研究框架。如果是这样，根据我们的常识，要做一个因变量的影响因素分析，我可以根据常识选择10个，20个，甚至更多的变量，其实这没多大意思。你看真正严格做的好的文章都是基于一定的理论基础/研究框架选取的指标，有时可能就那么几个指标。而且人家还做了研究假设的。所以回到你这个问题。指标选取要基于一定理论基础/研究框架，然后做出相应的研究假设，最后构建模型证实或证伪。这时，不显著的变量要考虑从专业层面去思考为什么不显著，而不像你这样根据常识选一些指标，不显著我就不要了。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-15 09:21:53

第4个问题：你可以选取3个显著性水准（即0.1,0.05和0.01）作为你的显著性水准关卡。这样可能就更好取舍一些。其实通常在0.1这个最高标准附近的变量的显著性都不是那么太关注了（如0.099和0.101我认为没太大差别），因为这个时候相比于其它显著性更强的变量，此类变量对应的偏回归系数一般都比较小了（显著性通过t值和临界值比较，t=偏回归系数/标准误）。换算回去对因变量的作用不大。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

chonghuihedong

2015-7-15 09:40:27

进来学习！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

ajiao4310

2015-7-15 09:49:52

xddlovejiao1314 发表于 2015-7-15 09:13
第二个问题：其实楼主想问的是模型的拟合效果（即像多元回归里面一样有个R^2）。然而logit模型不像多元线性 ...

谢谢大神指点～～由于没接触过统计学，一些名词和概念不熟悉，还有待我进一步研究你的回复内容哈～～

不过，还有个小问题，既然你说正确预测的百分比是判断模型一个重要因素，那么我这个模型准确率在88%左右，是不是就可以说比较好呢？如果模型准确率在百分之六十多，又算是怎么一个水平呢？？有没有具体判断的标准？？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-15 10:47:57

ajiao4310 发表于 2015-7-15 09:49
谢谢大神指点～～由于没接触过统计学，一些名词和概念不熟悉，还有待我进一步研究你的回复内容哈～～[em1 ...

归根结底这一切都是看拟合优度，然而拟合优度的判断也是比较主观的。不同的模型之间比较，你不能因为一个R^2大点就说这个模型一定好。同理，预测正确率这个也是一个辅助判断标准，没有太多特别的意义。当然越大越好，你这个88%已经非常不错了。我发的一些文章能有60%多就不错。总之一句话，不要太迷恋于R^2和预测正确率这些东西，在写作的时候简要交代下就行。祝好运。有问题可以@我（xddlovejiao1314）

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-7-15 14:16:37

xddlovejiao1314 发表于 2015-7-15 10:47
归根结底这一切都是看拟合优度，然而拟合优度的判断也是比较主观的。不同的模型之间比较，你不能因为一个 ...

真的非常感谢，等会我再仔细研究下你前面的回复，有问题再来请教你！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

didamunaoke

2015-7-15 18:46:11

xddlovejiao1314 发表于 2015-7-15 09:18
第三个问题：B是代表自变量对应的偏回归系数。至于你说的“没有通过显著性检验的参数是否没有必要再纳入公式 ...

解释的好详细学习了

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-15 18:55:48

didamunaoke 发表于 2015-7-15 18:46
解释的好详细学习了

相互交流学习。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-7-16 08:51:03

xddlovejiao1314 发表于 2015-7-15 09:10
第一个问题：不明白自变量明明是连续性的变量，楼主为什么要把它处理为类别变量，这背后有什么文献/理论上的 ...

不好意思，又来打扰你了～～～我想请教下对于跨度较大的连续变量该选取何种方法进行预处理，比如距离公园的远近可以从0到1000都有分布～～
而且在搜集资料的过程中，有些数据本身经过别人加工变成了递增的等级变量，比如坡度0-25为1，25-50为2等等，这样的数据可以直接选入协变量中使用吗？？还是说，要像你建议的那样处理为哑变量？我看有些文献里说为等级变量时，如果每个等级的作用相同，可按计量资料处理，不知道正确与否？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-16 08:57:21

ajiao4310 发表于 2015-7-16 08:51
不好意思，又来打扰你了～～～我想请教下对于跨度较大的连续变量该选取何种方法进行预处理，比如距离公园 ...

第一个问题：连续性变量跨度比较大，其实就是表明数据的方差大，波动性强，如果直接纳入模型，可能使得模型结果不稳健（存在异方差），建议楼主做连续性变量的描述性统计分析，做箱图，看看连续性变量趋势，是否为正偏态分布数据，如果是，可以取对数消除此类变量的波动性（异方差），然后纳入模型。https://bbs.pinggu.org/thread-3648798-1-1.html，看我写的这个帖子，辅助诊断是否存在极端异常值。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-16 08:57:24

ajiao4310 发表于 2015-7-16 08:51
不好意思，又来打扰你了～～～我想请教下对于跨度较大的连续变量该选取何种方法进行预处理，比如距离公园 ...

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-16 09:00:37

ajiao4310 发表于 2015-7-16 08:51
不好意思，又来打扰你了～～～我想请教下对于跨度较大的连续变量该选取何种方法进行预处理，比如距离公园 ...

第二个问题，类别变量纳入模型均处理为虚拟变量的形式。不要直接纳入模型。举个简单例子说明，就比如说你说的坡度，0-25为1,25-50为2，50-75为3，表明上看似,组与组差距是相等的（都相差25），但实际是不一样的，如有3个个体，一个1度，一个49度，一个60度，如果简要划分，分别在1,2,3组。你能简单说这3个坡度相差等级是一样的吗。不能吧。所以处理为虚拟变量，设置一组参照组。然后用虚拟变量和处理后的连续变量去构建模型。祝好运。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-7-16 09:30:33

xddlovejiao1314 发表于 2015-7-16 08:57
第一个问题：连续性变量跨度比较大，其实就是表明数据的方差大，波动性强，如果直接纳入模型，可能使得模 ...

真的真的非常感谢你的热心帮助～～～既然不能当面道谢，就只能通过帖子评分来表达感激之情了～～～

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-7-28 15:03:57

xddlovejiao1314 发表于 2015-7-16 09:00
第二个问题，类别变量纳入模型均处理为虚拟变量的形式。不要直接纳入模型。举个简单例子说明，就比如说你 ...

大神，大神！又来麻烦你了，上次我说到回归分析中我的自变量变化范围很广，从零到几万都有，你怀疑数据有异常值，建议我取对数处理，如果不是异常分布的话，还需要取对数吗？因为我研究的区域很广，距离测量值确实会出现这么大的变化～
还有，就是如果数据中正负值都有，可以直接取对数吗？还是说要做什么正向化处理，比如人为把数据修改为从1开始计数以后再取对数呢？
跪谢大神指点～

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-7-28 15:21:25

ajiao4310 发表于 2015-7-28 15:03
大神，大神！又来麻烦你了，上次我说到回归分析中我的自变量变化范围很广，从零到几万都有，你怀疑数据有 ...

如果有负值，你找到最小的那个负值，即绝对值最大的那个负值（比如是a）。然后对该变量取对数时就这样：ln(x+a的绝对值+1)，这样全部的数据都为正了。祝好运。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-8-1 05:41:26

xddlovejiao1314 发表于 2015-7-28 15:21
如果有负值，你找到最小的那个负值，即绝对值最大的那个负值（比如是a）。然后对该变量取对数时就这样：l ...

大神，按照你的指点和你在帖子里描述的方法，我在建模之前先用spss对自变量数据进行了描述性分析/直方图分析/箱图分析，然后又对其进行了对数处理，再接着做了第二次的描述性分析/直方图分析/箱图分析～～结果都放在了附件文档里了，求大神帮忙指点分析一下这几个变量分析结果～

我的问题主要是：
1.怎样判断哪些数据合格，可以直接用于建模分析了?没有异常值就可以了吗？
2.取对数前后的变量分析结果有时候会有冲突，比如有的箱图本来没有异常值，对数后反而出现了异常值，该怎么判断呢？
3.怎么处理异常值较多的变量数据，你在文章里建议说取对数后删除异常值，可是如果变量个数不多，删除会不会有影响？因为自变量种类比较多，每个变量删除一点点，累积起来也是挺多的，我有的变量只有一两百个数据，有点担心～～

4.我看到很多文章里建议对数据进行标准化处理，取对数后还有这个必要吗？还是说取对数之前就要进行？

我知道我提的问题很多也很初级，但设计专业实在很少接触这个统计知识，所以只能麻烦大神了～～

变量分析结果.doc
大小:(630.5 KB)

马上下载

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-8-3 12:49:46

ajiao4310 发表于 2015-8-1 05:41
大神，按照你的指点和你在帖子里描述的方法，我在建模之前先用spss对自变量数据进行了描述性分析/直方图分 ...

第1个问题，数据趋势大致符合正太分布就可，剔除极端异常值后的变量可用于建模了。我看了下你的数据，偏态分布都不是太明显的，基本可直接纳入模型做回归。
第2个问题，箱图这些只是为了辅助判断变量是否存在极端异常值，其异常值标准好像是设定的均值+-1.5倍标准差，各个学科不一样，要求不一样，比如你想把这个标准放松一点，变成均值+-3倍标准差，那可能就没有问题了。所以除非异常值特别极端，一般还是不用太在意的，有个容忍区间范围。
第3个问题的回答见第2个问题。处理极端异常值的方法比较多，一是删除数据；二是取对数，缩减数据变化趋势（如原始数据的10与10000的差距远远大于ln(10)与ln(10000)的差距）。
第4个问题，标准化方法有很多种，常用的是z标准化，即（原始值-均值）/标准差，标准化的目的其实就是为了消除量纲，减少数据的波动性（即方差），你取对数也达到了减少数据波动性的效果的，所以取对数后可以不用再对数据进行标准化了。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

ajiao4310

2015-8-4 08:38:31

xddlovejiao1314 发表于 2015-8-3 12:49
第1个问题，数据趋势大致符合正太分布就可，剔除极端异常值后的变量可用于建模了。我看了下你的数据，偏态 ...

请问下“可以直接纳入模型”是指原始数据还是对数转换后的数据？需要剔除异常值后再纳入吗？可不可以用缩尾处理？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

xddlovejiao1314

2015-8-4 08:44:27

ajiao4310 发表于 2015-8-4 08:38
请问下“可以直接纳入模型”是指原始数据还是对数转换后的数据？需要剔除异常值后再纳入吗？可不可以用缩 ...

看你的原始数据，应该不存在严重的极端异常值的，可以直接以原始指标纳入模型的。你要标准化一下也行，你要取一下对数再纳入也行。影响都不是很大的。只是解释的时候变一下而已。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群