计量资料（连续变量）在进行logistic 回归分析后,Exp(B)代表什么？还是OR值吗？那其意义怎么解释？

1. 计量资料（连续变量）在进行logistic 回归分析后,Exp(B)代表什么？还是OR值吗？那其意义怎么解释？

首先澄清几个概念：OR是odds ratio   而 logistic里关注的是odds  不是odds的比值odds ratio
odds= 发生的概率 除以 不发生的概率

logistic 回归的公式是：

log O = alpha + Bx  
那么 O = Exp(alpha + Bx) = Exp(alpha)*Exp(Bx)

所以当x每增加1  x-->x+1  O就变成O*Exp(B)

所以意义就是变量每增加一个单位，你的关注量（因变量）的 odds 会增加 Exp(B)。


怎么理解是odds？我觉得没有一个很直观的说法，只能从式子上理解，odds越大，相当于发生的概率越大，并且不发生的概率越小。（个人觉得odds和概率等价，因为确定了发生的概率，不发生的概率也就确定了）

2. spss中做logit回归的exp（b），用stata软件的话怎么算出来？输入什么代码？

gen a=exp(b)  前提是在stata数据窗口中有变量b

如果是计算某个值(比如：2)的exp，则为 gen a=exp(2)

3. SPSS中，logistic回归分析得出的参数估计表中Exp(B)代表什么，他有什么意义。还有

就是OR值，某个因素变化一个单位，代表发病危险的增加Exp(B)-1倍

4. SPSS 多因素非条件logistic回归分析 中的SE 、B 、R、 P是什么意思？

SPSS多因素非条件logistic回归分析中：SE表示标准误、B表示回归系数、R表示拟合优度指标、P表示：P>1是危险因素、P<1保护因素、P=1该因素不起作用。
1、SPSS多因素非条件logistic回归分析是解决2012年数模国赛a题的重要工具，spss是常用的多因素分析软件，通过显著性水平来衡量因素对变量的影响。
2、对每个自变量与因变量做相关，看是否有线性关系，有意义的自变量进行分析，分析SPSS多因素非条件logistic分析自变量和因变量，因变量是得分，自变量需要重新编码，都要先编码虚拟变量（虚拟变量个数等于变量数减一）。

扩展资料：
SPSS多因素非条件logistic回归分析功能：
SPSS多因素非条件logistic对于某一特定事物而言它内部的各要素和所有的其它事物都会与它发生联系，我们可以把这种联系称之为影响，把这些与它发生联系的事物、要素称之为因素 ，由此便可以提出一种分析问题的方法即因素分析法。
参考资料来源：
百度百科-SPSS
百度百科-多因素分析法
百度百科-logistic回归

5. SPSS中 回归 B值为负数什么意思

B值是指回归系数和截距（常数项），可以是负数（负相关时回归系数出现负值）。
SPSS采用类似EXCEL表格的方式输入与管理数据，数据接口较为通用，能方便的从其他数据库中读入数据。其统计过程包括了常用的、较为成熟的统计过程，完全可以满足非统计专业人士的工作需要。
输出结果十分美观，存储时则是专用的SPO格式，可以转存为HTML格式和文本格式。对于熟悉老版本编程运行方式的用户，SPSS还特别设计了语法生成窗口，用户只需在菜单中选好各个选项，然后按“粘贴”按钮就可以自动生成标准的SPSS程序。极大的方便了中、高级用户。

扩展资料：
了解统计分析的原理，无需通晓统计方法的各种算法，即可得到需要的统计分析结果。对于常见的统计方法，SPSS的命令语句、子命令及选择项的选择绝大部分由“对话框”的操作完成。因此，用户无需花大量时间记忆大量的命令、过程、选择项。
为了解决各种商务问题，企业需要以不同的方式来处理各种类型迥异的数据， 相异的任务类型和数据类型就要求有不同的分析技术。 Clementine为您提供最出色、最广泛的数据挖掘技术，确保您可用最恰当的分析技术来处理相应的问题， 从而得到最优的结果以应对随时出现的商业问题。
参考资料来源：百度百科--spss

6. 如何用spss作logit多元回归分析

ogit回归
1.打开数据，依次点击：analyse--regression--binarylogistic，打开二分回归对话框。
2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量（单变量拉入一个，多因素拉入多个）。
3.设置回归方法，这里选择最简单的方法：enter，它指的是将所有的变量一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。
5.选项里面至少选择95%CI。
点击ok。
统计专业研究生工作室原创，请勿复杂粘贴

7. SPSS二元Logit分析结果输出，表头几项分别是什么意思？

S.E.是标准误，表示估计值的平均误差。wals是一个统计量，用检验自变量对因变量是否有影响的。它越大，或者说它对应的sig越小，则影响越显著。df是自由度，在分析中不用解释。
实践应用中，关键的是解释系数B,或者后面的Exp(B)，称为OR.还有sig,其它的可以不管。
希望能帮上你
统计人刘得意

8. 如何用spss做二元logistic回归分析

　　Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。

　　二值logistic回归：

　　选择分析——回归——二元logistic，打开主面板，因变量勾选你的二分类变量，这个没有什么疑问，然后看下边写着一个协变量。有没有很奇怪什么叫做协变量？在二元logistic回归里边可以认为协变量类似于自变量，或者就是自变量。把你的自变量选到协变量的框框里边。

　　细心的朋友会发现，在指向协变量的那个箭头下边，还有一个小小的按钮，标着a*b，这个按钮的作用是用来选择交互项的。我们知道，有时候两个变量合在一起会产生新的效应，比如年龄和结婚次数综合在一起，会对健康程度有一个新的影响，这时候，我们就认为两者有交互效应。那么我们为了模型的准确，就把这个交互效应也选到模型里去。我们在右边的那个框框里选择变量a，按住ctrl，在选择变量b，那么我们就同时选住这两个变量了，然后点那个a*b的按钮，这样，一个新的名字很长的变量就出现在协变量的框框里了，就是我们的交互作用的变量。

　　然后在下边有一个方法的下拉菜单。默认的是进入，就是强迫所有选择的变量都进入到模型里边。除去进入法以外，还有三种向前法，三种向后法。一般默认进入就可以了，如果做出来的模型有变量的p值不合格，就用其他方法在做。再下边的选择变量则是用来选择你的个案的。一般也不用管它。

　　选好主面板以后，单击分类（右上角），打开分类对话框。在这个对话框里边，左边的协变量的框框里边有你选好的自变量，右边写着分类协变量的框框则是空白的。你要把协变量里边的字符型变量和分类变量选到分类协变量里边去（系统会自动生成哑变量来方便分析，什么事哑变量具体参照前文）。这里的字符型变量指的是用值标签标注过得变量，不然光文字，系统也没法给你分析啊。选好以后，分类协变量下边还有一个更改对比的框框，我们知道，对于分类变量，spss需要有一个参照，每个分类都通过和这个参照进行比较来得到结果，更改对比这个框框就是用来选择参照的。默认的对比是指示符，也就是每个分类都和总体进行比较，除了指示符以外还有简单，差值等。这个框框不是很重要，默认就可以了。

　　点击继续。然后打开保存对话框，勾选概率，组成员，包含协方差矩阵。点击继续，打开选项对话框，勾选分类图，估计值的相关性，迭代历史，exp（B）的CI，在模型中包含常数，输出——在每个步骤中。如果你的协变量有连续型的，或者小样本，那还要勾选Hosmer-Lemeshow拟合度，这个拟合度表现的会较好一些。

　　继续，确定。

　　然后，就会输出结果了。主要会输出六个表。

　　第一个表是模型系数综合检验表，要看他模型的p值是不是小于0.05，判断我们这个logistic回归方程有没有意义。

　　第二个表示模型汇总表。这个表里有两个R^2，叫做广义决定系数，也叫伪R^2，作用类似于线性回归里的决定系数，也是表示这个方程能够解释模型的百分之多少。由于计算方法不同，这两个广义决定系数的值往往不一样，但是出入并不会很大。

　　在下边的分类表则表述了模型的稳定性。这个表最后一行百分比校正下边的三个数据列出来在实际值为0或者1时，模型预测正确的百分比，以及模型总的预测正确率。一般认为预测正确概率达到百分之五十就是良好（标准真够低的），当然正确率越高越好。

　　在然后就是最重要的表了，方程中的变量表。第一行那个B下边是每个变量的系数。第五行的p值会告诉你每个变量是否适合留在方程里。如果有某个变量不适合，那就要从新去掉这个变量做回归。根据这个表就可以写出logistic方程了：P=Exp(常量+a1*变量1+a2*变量2.。。。)/(1+Exp(常量+a1*变量1+a2*变量2.。。。))。如果大家学过一点统计，那就应该对这个形式的方程不陌生。提供变量，它最后算出来会是一个介于0和1的数，也就是你的模型里设定的值比较大的情况发生的概率，比如你想推算会不会治愈，你设0治愈，1为没有治愈。那你的模型算出来就是没有治愈的概率。如果你想直接计算治愈的概率，那就需要更改一下设定，用1去代表治愈。

　　此外倒数后两列有一个EXP（B），也就是OR值，哦，这个可不是或者的意思，OR值是优势比。在线性回归里边我们用标准化系数来对比两个自变量对于因变量的影响力的强弱，在logistic回归里边我们用优势比来比较不同的情况对于因变量的影响。举个例子。比如我想看性别对于某种病是否好转的影响，假设0代表女，1代表男，0代表不好转，1代表好转。发现这个变量的OR值为2.9，那么也就是说男人的好转的可能是女人好转的2.9倍。注意，这里都是以数值较大的那个情况为基准的。而且OR值可以直接给出这个倍数。如果是0,1,2各代表一类情况的时候，那就是2是1的2.9倍，1是0的2.9倍，以此类推。OR值对于方程没什么贡献，但是有助于直观的理解模型。在使用OR值得时候一定要结合它95%的置信区间来进行判断。