没错,我完全没学过数学,所以按照百度的方法艰难的做了一个二元Logistic回归分析,然后得出了一篇天书……
是这样的,我的因变量是企业是否遭遇诉讼,选定47个A股上市公司2005~2015时间段每年诉讼情况作为自变量,公司女性高管占高管总人数比例,每年公司资产收益率(ROA),基本每股收益增长率,净利润增长率作为作为主要解释变量,然后就分析了一下,求明白哪怕一点的能不能告诉我,我这个显著不显著···我感觉不显著····
案例处理汇总
未加权的案例a N 百分比
选定案例 包括在分析中 470 100.0
缺失案例 0 .0
总计 470 100.0
未选定的案例 0 .0
总计 470 100.0
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 内部值
0 0
1 1
块 0: 起始块
分类表a,b
已观测 已预测
有无诉讼 百分比校正
0 1
步骤 0 有无诉讼 0 354 0 100.0
1 116 0 .0
总计百分比 75.3
a. 模型中包括常量。
b. 切割值为 .500
方程中的变量
B S.E, Wals df Sig. Exp (B)
步骤 0 常量 -1.116 .107 108.759 1 .000 .328
不在方程中的变量a
得分 df Sig.
步骤 0 变量 女性高管性别比例 .001 1 .975
资产收益率ROA() .649 1 .421
基本每股收益增长率 5.309 1 .021
净利润增长率 4.993 1 .025
a. 因冗余而未计算残差卡方。
块 1: 方法 = 输入
模型系数的综合检验
卡方 df Sig.
步骤 1 步骤 8.471 4 .076
块 8.471 4 .076
模型 8.471 4 .076
模型汇总
步骤 -2 对数似然值 Cox & Snell R 方 Nagelkerke R 方
1 516.803a .018 .027
a. 因为参数估计的更改范围小于 .001,所以估计在迭代次数 7 处终止。
分类表a
已观测 已预测
有无诉讼 百分比校正
0 1
步骤 1 有无诉讼 0 353 1 99.7
1 113 3 2.6
总计百分比 75.7
a. 切割值为 .500
方程中的变量
B S.E, Wals df Sig. Exp (B)
步骤 1a 女性高管性别比例 -.233 1.136 .042 1 .838 .792
资产收益率ROA() -.002 .002 .585 1 .444 .998
基本每股收益增长率 .000 .000 .013 1 .909 1.000
净利润增长率 .000 .000 .708 1 .400 1.000
常量 -1.091 .187 34.001 1 .000 .336
a. 在步骤 1 中输入的变量: 女性高管性别比例, 资产收益率ROA(), 基本每股收益增长率, 净利润增长率.
我百度了一下让我看sig值···是不是这样的 ···跪谢