帮助进行多元回归
高级统计建模请：帮助进行多元回归你好，
我想问如何调整逻辑回归中的参数：我进行医学研究并分析“心脏病发作”的结果（是/否结果）以及炎症参数是否对结果有影响，但我必须根据年龄进行调整，因为它是心脏病发作的已知危险因素。 问：“年龄”的调整应该在哪里输入？
谢谢你！
回复：关于多元回归的帮助马克的回答非常好——我什至没有想到满意度可能是一个从0到1的连续变量（这不是我经常看到的量表）。因此，如果它确实是连续的，则可以运行回归模型。我会非常小心地解释这样一个模型中的系数 - 将它们描述为因果关系的诱惑可能是不正确的。例如，系数可以描述与每年的经验相关的满意度的增加。如果这是积极的，那么我们很容易将其解释为每年的经验如何有助于提高工作满意度。但人们很自然地相信经验丰富的人会对自己的工作更加满意（一种生存偏见）。目前尚不清楚发现显着关联的真正含义。其他自变量也会出现类似的问题。
回复：关于多元回归的帮助如果您的回答确实有两个级别（不满意、满意），则使用名义建模类型并将其视为明确的回应。 这会将您的线性回归更改为逻辑回归。
如果你的反应确实是连续的（满意度从0到1），那么线性回归就会有困难。 回归假设响应是无界的并且具有负无穷到正无穷的范围。 您可以使用“拟合模型”启动对话框中内置的响应转换来弥补差异。 Logit 变换为 Log( 满意度 / (1-满意度) )。 （注意函数是自然对数）。
只需选择 Y 角色中的响应，然后单击底部中心附近的红色三角形进行变换并选择 Logit。 它的工作原理如下：
此示例的响应 Y 是连续的，但像您的响应一样介于 0 和 1 之间。 预测变量 X 呈正态分布。 现在按照说明设置 Fit Model 启动 I：
我使用的是二阶线性模型，但这一事实并不重要。 此方法适用于任何线性预测器，例如您的模型。 单击运行：
（请注意，我首先将“重点”设置更改为“最小报告”。）
您可以看到，这种转换有助于回归处理满意度的下限和上限。
回复：关于多元回归的帮助指标功能参数化
学期 | 估计 | 标准误差 | t 比率 | 概率>|t| |
截距 | 0,6116566 | 0,001994 | 306,75 | <,0001* |
标准上次评估 | 0,0455447 | 0,00211 | 21,58 | <,0001* |
标准号_项目 | -0,047008 | 0,002134 | -22,03 | <,0001* |
标准 time_spend_company | -0,022359 | 0,002022 | -11,06 | <,0001* |
Promotion_last_5years[1-0] | 0,0553393 | 0,013707 | 4,04 | <,0001* |
请帮我解释一下：）
回复：关于多元回归的帮助您不应该将响应变量建模为连续变量。它是一个具有两个级别（0 和 1）的名义变量。因此，只需将其类型更改为名义型，拟合模型平台就会进行逻辑回归。一般来说，我认为您会发现类似的定性结果（关于哪些变量是重要因素），尽管定量结果肯定会有所不同。
回复：关于多元回归的帮助谢谢您的回答。 响应变量是连续变量，范围在 0,0 - 1,0 之间，其中 0,0 不满足，1,0 满足。
回复：关于多元回归的帮助你见过吗帮助>图书>拟合线性模型？
回复：关于多元回归的帮助这里有很多数字和很多问题 - 其中许多需要基本了解什么是多元回归分析以及如何解释系数、拟合等。但我将重点关注一个大问题。您的结果表明有许多影响满意度的重要因素（尽管它们可能相关，因此您应该检查 VIF 的多重共线性），并且总体上模型明显优于随机模型（由许多低 p 值表示）。但整体拟合度（由 R 方表示）相当差。我猜测这是由于您的响应变量满意度水平被编码为连续的。由于其平均值为 0.61，我怀疑这个变量确实是序数 - 就像以 0-4 的范围来评价您的满意度一样。虽然可以用连续的尺度来解释这一点（1 比 2 更好，等等），但这样做有些危险（从 1 到 2 和 2 到 3 的“距离”在任何有意义的意义上都不是真正的“相等”） ）。因此，您可能需要考虑将 Y 变量更改为序数来对此进行建模。我还会检查你的自变量是否真的在衡量不同的事物，因为工作评估、晋升、经验等往往彼此密切相关。
