
SPSS回歸分析:Probit 分析
SPSS回歸分析:Probit 分析
一、Probit分析(分析-回歸- Probit)
此過(guò)程度量刺激的強(qiáng)度與對(duì)刺激顯示出特定響應(yīng)的個(gè)案比例之間的關(guān)系。如果您具有二分輸出,并認(rèn)為該輸出受某些自變量級(jí)別的影響或是由其導(dǎo)致的,并且尤其適合實(shí)驗(yàn)數(shù)據(jù),則此分析非常有用。使用此過(guò)程可以估計(jì)引致特定比例的響應(yīng)所需的刺激強(qiáng)度,例如中位效應(yīng)劑量。
1、示例。新型殺蟲(chóng)劑對(duì)于殺滅螞蟻的有效性如何,適用濃度多大?可以執(zhí)行一項(xiàng)實(shí)驗(yàn),對(duì)螞蟻樣本施用不同濃度的殺蟲(chóng)劑,然后記錄殺滅的螞蟻數(shù)量以及被施用殺蟲(chóng)劑的螞蟻數(shù)量。通過(guò)對(duì)這些數(shù)據(jù)應(yīng)用Probit分析,可以確定濃度和殺滅效力之間的關(guān)系緊密度,并且可以確定在希望確保殺滅一定比例(例如95%)的螞蟻時(shí)殺蟲(chóng)劑的適當(dāng)濃度。
2、統(tǒng)計(jì)量。回歸系數(shù)和標(biāo)準(zhǔn)誤、截距和標(biāo)準(zhǔn)誤、Pearson擬合優(yōu)度卡方、觀察的和期望的頻率以及自變量有效級(jí)別的置信區(qū)間。圖:已轉(zhuǎn)換響應(yīng)圖。此過(guò)程使用由Gill、Murray、Saunders和Wright在NPSOL??&中提出和實(shí)現(xiàn)的算法來(lái)估計(jì)模型參數(shù)。
3、數(shù)據(jù)。對(duì)于自變量的每個(gè)值(或多個(gè)自變量的每個(gè)值組合),響應(yīng)變量應(yīng)為具有顯示相應(yīng)響應(yīng)的值的個(gè)案數(shù)。觀察變量總數(shù)應(yīng)為自變量具有這些值的個(gè)案的總數(shù)。因子變量應(yīng)是以整數(shù)編碼的分類變量。
4、假設(shè)。觀察值應(yīng)是獨(dú)立的。如果自變量值的數(shù)量與觀察值的數(shù)量相比過(guò)多(在某項(xiàng)觀察研究中可能遇到這樣的情況),則卡方統(tǒng)計(jì)量和擬合優(yōu)度統(tǒng)計(jì)量可能無(wú)效。
5、相關(guān)過(guò)程。Probit分析與Logistic回歸緊密相關(guān);實(shí)際上,如果選擇Logit轉(zhuǎn)換,則此過(guò)程最終計(jì)算的是Logistic回歸??偟膩?lái)說(shuō),Probit分析適用于設(shè)計(jì)的實(shí)驗(yàn),而Logistic回歸更適用于觀察研究。輸出中的差異反映了這些不同的側(cè)重方面。Probit分析過(guò)程報(bào)告不同響應(yīng)頻率下有效值的估計(jì)值(包括中位效應(yīng)劑量),而Logistic回歸過(guò)程報(bào)告自變量幾率比的估計(jì)值。
二、選項(xiàng)(分析-回歸- Probit-選項(xiàng))
1、統(tǒng)計(jì)量。允許您請(qǐng)求下列可選統(tǒng)計(jì)量:頻率、相對(duì)中位數(shù)強(qiáng)度、平行檢驗(yàn)以及信仰置信區(qū)間。
1.1、相關(guān)中位數(shù)力.顯示每對(duì)因子水平的中位數(shù)強(qiáng)度比。還顯示每個(gè)相對(duì)中位數(shù)強(qiáng)度的95%置信界限。如果您沒(méi)有因子變量或具有多個(gè)協(xié)變量,則相關(guān)中位數(shù)力不可用。
1.2、平行檢驗(yàn).對(duì)所有因子水平具有共同的斜率這一假設(shè)的檢驗(yàn)。
1.3、信仰置信區(qū)間.生成確定的響應(yīng)概率所必需的代理用量的置信區(qū)間。
如果選擇了多個(gè)協(xié)變量,則信仰置信區(qū)間和相對(duì)中位數(shù)強(qiáng)度不可用。只有在選擇了因子變量的情況下,相對(duì)中位數(shù)強(qiáng)度和平行檢驗(yàn)才可用。
2、自然響應(yīng)頻率。允許您指定自然響應(yīng)頻率,即使在沒(méi)有刺激的情況下也可以??捎眠x項(xiàng)有“無(wú)”、“從數(shù)據(jù)中計(jì)算”和“值”。
2.1、從數(shù)據(jù)中計(jì)算.根據(jù)樣本數(shù)據(jù)估計(jì)自然響應(yīng)頻率。數(shù)據(jù)應(yīng)包含代表控制級(jí)別的個(gè)案,而該級(jí)別的協(xié)變量值為0。Probit使用該控制級(jí)別的響應(yīng)比例來(lái)估計(jì)自然響應(yīng)率以作為初始值。
2.2、值.在模型中設(shè)置自然響應(yīng)率(當(dāng)您預(yù)先知道自然響應(yīng)率時(shí),選擇此項(xiàng))。輸入自然響應(yīng)比例(該比例必須小于1)。例如,如果當(dāng)激勵(lì)為0時(shí)響應(yīng)在10%的時(shí)間里發(fā)生,則輸入0.10。
3、標(biāo)準(zhǔn)。允許您控制迭代參數(shù)估計(jì)算法的參數(shù)??梢愿采w“最大迭代次數(shù)”、“步驟限制”和“最優(yōu)性容差”的缺省值。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11