SPSS二项logistic回归分析案例实践,做个预测模型

发布网友发布时间：2024-10-04 22:23

共1个回答

热心网友时间：2024-10-07 14:45

实践SPSS二项logistic回归，构建预测模型

在数据驱动的学习过程中，通过实践是提升技能的有效途径。我们收集了一家公司的商户信息，包括注册时长、营业收入、成本以及续约情况，目标是建立一个商户续约预测模型。

模型中，我们要预测的因变量是续约与否（0或1），可能影响的因素包括注册时长、营业收入和成本。首先，通过SPSS的【分析】→【回归】→【二元logistic】菜单操作，设置因变量和自变量。自变量选择注册时长、营业收入和成本，因为数量较少，采用enter法全部纳入模型。在【选项】中，我们启用霍斯默-莱梅肖检验，以评估模型拟合质量，希望p值大于0.05，表明拟合较好。

执行回归分析后，SPSS输出包含模型显著性检验（卡方检验，χ²=336.172，P＜0.001）和拟合优度检验（HL检验，P=0.651＞0.05），显示模型具有统计学意义且拟合良好。模型表达式为logit(P)=-2.287+0.099*注册时长+0.014*营业收入-0.187*成本。各回归系数的wald检验显示，三个因素对续约均有统计学显著影响。

尽管模型预测不续约的准确率为54.7%，继续续约的为83.7%，总准确率为73.1%，但运营人员更关注不续约预测的准确性。然而，这个结果偏低，仅54.7%，远低于理想的决策标准。这表明模型的实际应用效果还有提升空间，可能影响提前判断并采取措施保持商户合作。

案例来源于《谁说菜鸟不会数据分析SPSS篇》，关于SPSS的更多回归分析技巧，如有序多分类logistic回归、多重共线性检验等，供您参考。