Google Traduction

Rgression SPSS 17.
Page 1
Rgression SPSS 17.0
http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (1 of 76)26/05/2011 23:29:46
Rgression SPSS 17.0
Page 2
Pour plus d'informations sur le logiciel SPSS Inc produits, s'il vous plat visitez notre site Web l'adresse http://www.spss.com ou contacter SPSS Inc 233 Wacker Drive Sud, 11e tage Chicago, IL 60606-6412 Tl: (312) 651-3000 (312) 651-3000 Tlcopieur: (312) 651-3668 (312) 651-3668 SPSS est une marque dpose et les autres noms de produits sont des marques de SPSS Inc pour son ordinateur de proprit logiciel. Aucun matriel dcrivant un des logiciel peut tre produit ou diffus sans l'autorisation sur lesde l' propritaires de la licence et tel droits de marque dans le logiciel et les droits d'auteur crite documents publis. Le LOGICIEL et la documentation sont fournis avec des DROITS LIMITES. Utilisation, la duplication ou la divulgation par le gouvernement est soumise aux restrictions nonces dans la subdivision (c) (1) (ii) des droits sur les donnes techniques et Logiciels clause 52.227-7013. tage, Chicago, fabricant est SPSS Inc, 233 South Wacker Drive, 11e Entrepreneur / leIL 60606-6412. Brevet n 7.023.453 Avis gnral: autres noms de produits mentionns dans ce document sont utilises des fins d'identification uniquement et peuvent tre des marques de leurs socits respectives. Windows est une marque dpose de Microsoft Corporation. Apple, Mac, et le logo Mac sont des marques dposes d'Apple Computer, Inc, enregistres aux tats-Unis et d'autres pays. Ce produit utilise WinWrap de base, Copyright 1993-2007, Polar Engineering and Consulting, http://www.winwrap.com. Imprim aux tats-Unis d'Amrique. Aucune partie de cette publication ne peut tre reproduite, stocke dans un systme de rcupration, ou transmis, sous quelque forme ou par quelque moyen, lectronique, mcanique, photocopie, enregistrement ou autrement, sans l'autorisation crite pralable de l'diteur.
Rgression SPSS 17.0
Page 3
Prface
SPSS Statistics 17.0 est un systme complet d'analyse des donnes. La rgression option de module d'extension prvoit l'analyse des techniques supplmentaires dcrits dans le prsent manuel. La rgression de et est entirement intgrtre utilis avec le SPSS Statistics 17.0 systme de base module d'extension doit ce systme.
Installation Pour installer la rgression de module d'extension, excutez l'assistant d'autorisation de licence l'aide
Rgression SPSS 17.0
le code d'autorisation que vous avez reu de SPSS Inc Pour plus d'informations, voir le les instructions d'installation fourni avec la rgression de module d'extension.
Compatibilit SPSS Statistics est conu pour fonctionner sur de nombreux systmes informatiques. Voir l'installation avec votre systme d'information sur la configuration minimale et instructions fournies prescriptions recommandes.
Numros de srie Votre numro de srie de votre numro d'identification auprs de SPSS Inc Vous aurez besoin de ce le numro de srie lorsque vous contactez SPSS Inc pour des informations de paiement relatives au support,, ou un systme amlior. Le numro de srie a t fourni avec votre systme de base. Service la clientle Si vous avez des questions concernant votre envoi ou votre compte, communiquez avec votre bureau local , figurant sur le site Web l'adresse suivante: http://www.spss.com/ worldwide.de srie prt pour l'identification. le numro S'il vous plat avoir votre iii
Page 4
Sminaires de formation SPSS Inc fournit la fois sur place des sminaires de formation et de public. Tous les sminaires fonction des ateliers pratiques. Les sminaires seront offerts ces sminaires, veuillezsur une base rgulire. bureau local, cote sur le Web Pour plus d'informations sur dans les grandes villes communiquer avec votre site http://www.spss.com/ worldwide. Support technique Les services de soutien technique sont disponibles pour les clients de maintenance. Les clients peuvent technique en utilisant SPSS Statistics ou pour l'installation contacter le support
Rgression SPSS 17.0
aide pour l'un des environnements matriels pris en charge. Pourle site Web l'adresse technique, voir contacter l'assistance http://www.spss.com, ou communiquez avecWeb bureau local, cote la site votre http://www.spss.com/worldwide. Soyez prt vous identifier, votre le numro de srie de votre systme. organisation, et Autres publications Les procdures statistiques SPSS, par Marija Noruis, a part publiHall. Prentice Une nouvelle SPSS avance livre, mis jourstatistiques, Statistics 17.0, est prvu. Le version de ce de procdures pour SPSS galementStatistics 17.0, est venir. Le Guide de SPSS pour sur SPSS bas l'analyse des donnes pour SPSS Statistics 17.0 est galement en dveloppement. Annonces de publications disponibles exclusivement par Prentice Hall sera disponible sur le site Web l'adresse http://www.spss.com/estore (slectionnez votre pays d'origine, puis cliquez sur Livres ).
iv
Page 5
Table des matires
Rgression SPSS 17.0
1 Choix d'une procdure de logistique binaire Rgression
2 Rgression logistique Logistique ensemble de rgles de rgression. . . . . . . . . . . . . . . . . . . . . . . . . . . . .la .variable 6. slection des mthodes de rgression. Logistique de . . . . . . . de . . . . . . . . . .logistique. dfinir des variables catgoriques. . . . . . . . Rgression . . . . . . . . . . 6. . . . . . . . . . .logistique Enregistrer de nouvelles variables. . . . . . . Rgression . . . 8. . . . . . . . de .rgression logistique. . . . . . . . . . . . . . . . . . . . . . . . . . . Options . . . . . . . . . . . . 9. . . . . . . . . . 11. LOGISTIQUE Caractristiques de commande supplmentaires. REGRESSION . . . . . . . . . . . . . . . 12. 3 rgression logistique multinomiale Rgression logistique multinomiale. . . . . . . . . . . . . . . . . . . . . . . . . . . . Conditions Build. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15. . . . . . . . . . 16. Rgression.multinomiale logistique Catgorie de rfrence. . . . . . . . . . . . . . . de 17. Statistiques . . rgression logistique multinomiale. . . . . . . . . . . . . . . . . . . . de .rgression logistique multinomiale. . . . . . . . . . . . . . . Critres . . . . 18. . . . . . . . de .rgression logistique multinomiale. . . . . . . . . . . . . . . Options . . . . 20. . . . . . . . . . .logistique multinomiale sur Enregistrer. . . . . . . . . . . . Rgression . . 21. . . . . . . . . . . . . . .de. commande supplmentaires NOMREG. . . . . Caractristiques . . 23. . . . . . . . . . . . . . . . . . . . . . . 24.
13
Page 6
Rgression SPSS 17.0
4 Analyse des probits Analyse des probits Dfinir une plage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . d'analyse Probit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Options . . . . . . 28. . . . . . . . 28. PROBIT commandement Caractristiques supplmentaires. . . . . . . . . . . . . . . . . . . . . . . . . . . . 29. 5 rgression non linaire Logique conditionnelle (rgression non linaire). . . . . . . . . . . . . . . . . . . . . . . .de. rgression non linaire. . . . . . . . . . . . . . . . . . . . . . Paramtres . 33. . . . . . . . . . modles de rgression non linaire. . . . . . . . . . . . . . . . Commune 34. . . . rgression 35. linaire fonction de perte. . . . . . . . . . . . . . . . . . La . . . . . . . . non . . . . . . . . . .non36. Rgression . . linaire contraintes de paramtre. . . . . . . . . . . . . . . . . . . . . . . 37.rgression non linaire de nouvelles variables. . . Sauvegarder la . . . . . . . de .rgression non.linaire. . . . . . . . . . . . . . . . . . . . . . . . . Options . . . . . . . . . . . . . 38. . . . . . . . . . 39.des rsultats de la rgression non linaire. . . . . . . . Interprtation . . . . . . . . . . . . . .de. commande supplmentaires NLR. . . . . . . . . . Caractristiques . . 40. . . . . . . . . . . . . . . . . . . . . . 40. 6 Estimation du poids Options Estimation de la masse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . commandement Caractristiques supplmentaires. . . . . . . . WLS . . . . . 45. . . . . . . . . . . . . . . . . . . . . . . 45. 7 Deux-Stage-rgression des moindres carrs Deux tages de moindres carrs Options de rgression. . . . . . . . . . . . . . commandement Caractristiques supplmentaires. . . . . . . . 2SLS . . . . . . . . 48. . . . . . . . . . . . . . . . . . . . . . . 49. vi
25
31
42
46
Rgression SPSS 17.0
Page 7
Annexe
Une variable de codage Ecart. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Simple. . . . . . 51.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Helmert. . . . . . 52. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Diffrence. . . . . . 52. Polynomiale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rpte. . . . . . . 54. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Spcial. . . . . . 55. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Indicateur. . . . . . . . 56. Index
50
57
Rgression SPSS 17.0
vii
Page 9 8
Chapitre 1
Choix d'une procdure pour Binary De rgression logistique
Binary modles de rgression logistique peut tre mont en utilisant soit la rgression logistique procdure ou de la rgression logistique multinomiale procdure. Chaque ne sont pasadisponibles dans l'autre. options procdure Une distinction thorique important est quetoutes les prvisions, les rsidus, les statistiques d'influence, Procdure de rgression logistique produit le et de l'ajustement des tests de qualit en utilisant des donnes au niveau de cas individuels, quelle que soit la les donnes sont saisies et si oui ou non le nombre de motifs covariable est plus petit que le nombre total de cas, tandis que la rgression logistique multinomiale procdure interne cas agrgats pour former des sous-populations avec des tendances identiques covariable pour les prdicteurs, produisant des prdictions, des rsidus, et de l'ajustement des tests de qualit sur la base ces sous-populations. Si tous les prdicteurs sont catgoriquessorte qu'il ya plusieurs cas chaque distinctes que sur un nombre limit de valeurs de ou des prdicteurs continus prendre covariable patrons de l'approche sous-population peut produire valide de l'ajustement des tests de qualit et les rsidus d'information, tandis que le niveau de cas approche individuelle ne peut pas. De rgression fournit les caractristiques uniques suivantes: logistique -Test de Hosmer Lemeshow de qualit de l'ajustement pour le modle analyse pas pas Les contrastes de dfinir le paramtrage des modles
Rgression SPSS 17.0
Alternative coup points pour le classement parcelles de la Classification cas du modle mont sur un ensemble de cas un lieu-out ensemble de Enregistre les prvisions, les rsidus, et les statistiques influence Rgression logistique fournit les caractristiques uniques suivantes: multinomiale Pearson et de la dviance-carr pour les tests du chi qualit de l'ajustement du modle 1
Page 10 2 Chapitre 1 Spcification de sous-populations pour le regroupement de donnes pour de l'ajustement des tests de qualit Liste des chiffres, les chiffres prvus, et les rsidus par sous-populations Correction des estimations de la variance de la surdispersion paramtre Matrice de covariance des estimations Tests de combinaisons linaires de paramtres dfinition explicite des modles embots Fit 1-1 assortis modles de rgression logistique conditionnelle en utilisant des variables diffrencies
http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (10 of 76)26/05/2011 23:29:46
Rgression SPSS 17.0
Page 11
Chapitre 2
De rgression logistique
La rgression logistique est utile pour les situations dans lesquelles vous voulez tre en mesure de prdire l' prsence ou l'absence d'une caractristique ou un rsultat fond sur des valeurs d'un ensemble de prdicteurs variables. Il est semblable un est dichotomique. variable dpendante modle de rgression linaire, mais est adapt aux modles o la coefficients de rgression logistiquechacune des variables indpendantes dans le modle. d'estimer les rapports de cotes pour peut tre utilis Logistique est applicable un large ventail de situations de recherche que discriminante rgression analyse. Exemple. Quelles sont les caractristiques de style de vie sont des facteurs de risque de maladie coronarienne
Rgression SPSS 17.0
(CHD)? tant donn et le statut CHD, vous pourriez construiretabagisme, l'alimentation, l'exercice, l'alcool style de vie l'utilisation, un chantillon de patients mesure sur le un modle en utilisant les quatre variables de prvoir la prsence ou l'absence de maladie coronarienne chez un chantillon de patients. Le modle peut alors tre estimations des odds ratios pour chaque facteur vous dire, par exemple, comment utiliss pour produire des beaucoup plus susceptibles fumeurs sont de dvelopper des maladies coronariennes que les non fumeurs. Statistiques. Pour chaque analyse: nombre total de cas, certains cas, des dossiers valides. Pour chaque variable catgorique: paramtre de codage. Pour chaque tape: variable log-vraisemblance, qualit de l'ajustement, Hosmer-Lemeshow la bont de l'ajustement historique des itrations, -2 (s) existant ou enlev, statistique, le modle du chi carr, l'amlioration carrs, tableau de classification chi, les corrlations entre les variables, a observ des groupes et prdit tableau probabilits, rsiduelle chi-carr. Pour chaque variable dans l'quation: coefficient (B), l'erreur standard ratio estim (exp (B)), intervalle de confiance pour statistique, odds de B, Wald exp (B), log-vraisemblance Si le mandat retir de modle. Pour chaque variable n'est pas dans l'quation: statistique du score. rsiduel, Pour chaque cas: groupe observ, la probabilit prdite, prdit groupe rsiduels normaliss. Mthodes. Vous pouvez estimer des modles utilisant des variables d'entre en bloc ou l'un mthodes suivantes tapes: l'avant avec sursis, avant LR, avant Wald, en arrire avec sursis, en arrire LR, ou vers l'arrire Wald.
Page 12 4 Chapitre 2 Donnes. variable dpendante doit tre dichotomique. La niveauLes variables indpendantes peuvent tre ils devraient tre mannequin ou indicateur cod d'intervalle ou catgoriques; si catgorique, (Il ya une option dans la procdure de recoder les variables catgorielles automatiquement). Hypothses. La rgression logistique ne se fonde pas sur des hypothses de rpartition dans le mme sens que l'analyse discriminante. Cependant, votre solution ont une distribution normale multivarie. stable si votre prdicteurs peut tre plus En outre, comme rgression, la multicolinarit entre les prdicteurs risque de fausser les d'autres formes de estimations et gonfl les erreurs standard. La procdure est plus efficace lorsque le groupe si l'appartenance au groupe est base sur des valeurs de l'adhsion est une variable catgorique vraiment, une variable continue (par exemple, "QI lev ou faible QI"), vous devriez considrer utilisant une rgression linaire pour profiter de la richesse d'information offertes par le
Rgression SPSS 17.0
variable continue lui-mme. procdures Utilisez la procdure de nuages de points l'cran de vos donnes connexes. de multicolinarit. Si les hypothses de normalitvariance sontet de l'galit pouvez tre en mesure d'obtenir une solution plus rapide l'aide -Matrices de covariance de la multivarie remplies, vous l'analyse discriminante procdure. Si toutes vos galementprdictivesprocdure de log-linaire. vous pouvez variables utiliser la sont catgoriques, Si votrela procdure de rgression linaire. utiliser variable dpendante est continue, Vous pouvez utiliser lacourbe ROC procdure pour tracer probabilits enregistr la procdure de rgression logistique. Obtention d'une analyse de rgression logistique Dans le menu, slectionnez: Analyser Rgression Logistique binaire ...
Page 13 5 De rgression logistique
Figure 2-1 Rgression logistique bote de dialogue
Rgression SPSS 17.0
E E
Slectionnez une variable dpendante dichotomique. Cette variable peut tre numrique ou chane. Slectionnez un ou plusieurs covariables. Pour inclure desl'interaction, puis slectionnez > A * b> les variables impliqus dans termes d'interaction, de slectionner toutes . Pour entrer des variables dans les groupes (blocs), slectionnez les variables d'un un nouveau bloc. sur pour spcifier bloc, puis cliquez Rpter jusqu' ce que tous les blocs ont t prciss. En option, vous pouvez slectionner des cas pour l'analyse. Choisissez une variable de slection, puis cliquez sur . Rgle Suivant
Page 14 6 Chapitre
Rgression SPSS 17.0
2 Rgression logistique ensemble de rgles Figure 2-2 Rgression logistique Set bote de dialogue Rgle
Les cas dfinis par la rgle de slection sont inclus dans l'estimation du modle. Par exemple, si vous avez slectionn une variablegal et spcifi une valeur de 5, alors que les cas pour est et o la variable slectionne a une valeur gale 5 sont inclus dans l'estimation du modle. Statistiques et rsultats de la classification sont gnrs pour les deux slectionns et non slectionns cas. Cela fournit un mcanisme pour la classification des nouveaux en sous-ensembles et des essais de formation, d'effectuer donnes existantes, ou pour le partitionnement de vos donnes cas sur la base prcdemment validation sur le modle gnr. Logistique de la variable de slection des mthodes de rgression Slection de la mthode vous permet de spcifier la faon dont les variables indpendantes sont entrs dans le analyse. En la mme des mthodes diffrentes, on peut construire une varit de modles de rgression de utilisant srie de variables. Entrez. Une procdure de slection de variables dans laquelle toutes les variables dans un bloc sont entr en une seule tape. Transfrer de slection (sous mthode de slection pas pas avec des tests d'entre condition).l'importance de la statistique du score, et l'limination des tests sur la base des fonde sur probabilit d'un ratio statistique de probabilit bas sur les estimations des paramtres avec sursis. Transfrer de slection (rapport de mthode de slection pas pas avec des tests d'entre vraisemblance). fonde sur l'importance de la statistique du score, et l'limination des tests sur la base des probabilit d'un ratio statistique de probabilit bas sur le maximum de vraisemblance partielle estimations.
Rgression SPSS 17.0
Page 15 7 De rgression logistique Slection d'acheminement mthode de slection pas pas avec entre test bas sur (Wald). l'importance de la statistique du score, et les essais de renvoi fonde sur la probabilit de la statistique de Wald. Backward (sous Arrire de slection par tapes. condition). la probabilit de la statistique du ratio de probabilit bas sur conditionnelle Enlvement d'essai est base sur estimations des paramtres. Backward (rapport de Arrire de slection par tapes. vraisemblance).la probabilit de la statistique du ratio de vraisemblance sur la base des Enlvement test est bas sur maximum de vraisemblance partielle estimations. Backward Arrire de slection par tapes. (Wald). la probabilit de la statistique de Wald. Enlvement d'essai est base sur Les valeurs de signification dans la sortie sont bas sur l'adaptation d'un modle unique. Parvaleurs de signification sont gnralement non valide lorsque une mthode progressive est utilis. les consquent, Toutes les variables indpendantes slectionnes sont ajoutes un modle de rgression simple. Cependant, vous pouvez spcifier les mthodes d'entre diffrents pour diffrents sous-ensembles de variables. Par exemple, entrer un bloc de variables dans le modle de rgression en utilisant la slection par tapes vous pouvez et un second bloc en utilisant la slection de l'avant. Pour ajouter un deuxime bloc de variables le modle de rgression, cliquez sur . Suivant
Rgression SPSS 17.0
Page 16 8 Chapitre 2 Rgression logistique dfinir des variables catgoriques Figure 2-3 Rgression logistique dfinir des variables catgoriques bote de dialogue
Vous pouvez spcifier les dtails de la faon dont la procdure de rgression logistique se chargera de variables catgoriques: Covariables.Contient une liste de toutes les variables spcifies dans la bote de dialogue principale, soit par eux-mmes ou dans le cadre d'une interaction, dans n'importe quelle couche. Si certains d'entre eux sont catgoriques, vous pouvez les utiliser uniquement comme covariables catgoriques. variables de chane ou Listes des variables identifies comme catgorique. Catgoriques Chaque variable contraste covariables. entre parenthses indiquant le comprendde codage utiliser. une notation variables String symbole <la suite de leur nom) sont dj prsents dans le catgoriques (Dsign par le Covariables liste. Slectionnezdans la liste des co-variables catgoriques de la liste et covariables les dplacer l'une des autres covariables catgoriques.
Rgression SPSS 17.0
Modifier le Permet de modifier la mthode de contraste. contraste.sont les suivantes: Contrairement Disponible mthodes Indicateur. Contrastes indiquer la prsence ou l'absence d'appartenance catgorielle. L' catgorie de rfrence est reprsente dans le contraste matrice d'une ligne de zros. Simple. Chaque catgorie de la variable explicative ( l'exception de la catgorie de rfrence) est compare la catgorie de rfrence.
Page 17 9 De rgression logistique Diffrence. Chaque catgorie de la variable explicative l'exception de la premire catgorie est par rapport la moyenne de l'effet des catgories prcdentes. Aussi connu sous inverse Contrastes de Helmert. Helmert. Chaque catgorie de la variable explicative, sauf la dernire catgorie est par rapport la moyenne de l'effet des catgories suivantes. Rpte. Chaque catgorie de la variable explicative l'exception de la premire catgorie est par rapport la catgorie qui le prcde. Polynomiale. polynomial contrastes orthogonaux. quidistants. Les catgories sont supposes tre Polynomial contrastes sont disponibles pour les variables numriques seulement. Ecart. Chaque catgorie de la variable explicative exception de la catgorie de rfrence est par rapport l'effet global. Si vous slectionnez , Simple , Ou Indicateur Slectionnez PremireDernire la rfrence , ou que cart catgorie. . Changement Notez que la mthode doit tre covariables catgoriques. ce que vous cliquez sur n'est pas vraiment chang jusqu' covariables String LesPour supprimer une variable de chane de supprimer tous les termes contenant la variable de covariables liste par catgorie, vous devez la liste des covariables dans la bote de dialogue principale.
Rgression logistique Enregistrer nouvelles variables Figure 2-4 Rgression logistique Enregistrer Nouvelle bote de dialogue Variables
Rgression SPSS 17.0
Page 18 10 Chapitre 2 Vous pouvez enregistrer les rsultats de la rgression logistique comme de nouvelles variables dans l'ensemble de donnes actif: Les valeurs Enregistre les valeurs prdites par le modle. prdites. et appartenance undisponibles sont Les options groupe. Probabilits Probabilits. Pour chaque cas, enregistre la probabilit prdite d'occurrence de la vnement. Un tableau en affiche la sortie le nom et le contenu des nouvelles variables. Composition du groupe Le groupe avec la plus grande probabilit a posteriori, prvue. les scores discriminants. bas sur Le groupe le modle prdit le cas appartient. Influence. Enregistre les valeurs partir des statistiques qui mesurent l'influence de cas sur prdit valeurs. Les options disponibles sont Cook, les valeurs de levier, et DFBETA (s). Cook. L'analogue de rgression logistique de l'influence statistique de Cook. Une de rsidus de tous les cas qui changerait si un cas particulier ont t de la quantitmesure Texte anglais original: exclus du calcul des coefficients de rgression. Tirer parti de la L'influence relative de chaque observation sur le modle de l'ajustement. Proposer une meilleure traduction valeur. DFBETA La diffrence en valeur bta est le changement dans le coefficient de rgression (s). les rsultats de l'exclusion d'un cas particulier. que Une valeur le modle, ypour chaque terme dans est calcule compris la constante.
Available options are Cook's, Leverage values, and DfBeta(s).
Rgression SPSS 17.0
Rsiduelles.Enregistre rsidus. Normaliss, Les options disponibles sont non normaliss, Logit, Student, et la dviance. Rsidus non La diffrence entre une valeur observe et la valeur standardiss. modle. prdite par le Logit Le rsiduel pour le cas si il est prvu dans l'chelle logit. rsiduelle. L' logit rsiduelle est la valeur rsiduelle, divis par le temps probabilit prdite 1 moins le probabilit prdite. Student Le changement dans le modle de dviance, si un cas est exclu. rsiduelle. Rsidus Le rsiduelle divise par une estimation de sa norme standardiss. cart. rsidus standardiss, 0 et sont galement connus comme les rsidus de Pearson, ont une moyenne de qui un cart type de 1. Dviance. Rsiduelles base sur la dviance du modle. informations sur le modle Exporter vers un fichier des paramtres et (ventuellement) de leurs Les estimations XML. covariances sont exports vers le fichier spcifi en XML (PMML). SmartScore et SPSS Statistics Server (un produit distinct) peuvent utiliser ce fichier pour appliquer les informations sur le modle d'autres fichiers de donnes pour fins de notation.
Page 19 11 De rgression logistique
Options de rgression logistique Figure 2-5 Rgression logistique bote de dialogue Options
Rgression SPSS 17.0
Vous pouvez spcifier les options de votre analyse de rgression logistique: Statistique et des Vous permet de demander des statistiques et des parcelles. parcelles. la Classification, Hosmer-Lemeshow la bont de l'ajustement, Casewise annonce des rsidus, Les options disponibles sont parcelles de Les corrlations des estimations, l'histoire d'itration, et CI pour exp (B). Slectionnez l'une des alternatives dans le groupe d'affichage pour afficher les statistiques et les parcelles, soit chaque tape ou, seulement pour le modle final, A la dernire tape. Hosmer-Lemeshow de l'ajustement statistiqueCe d'ajustement statistique bont est plus de la bont. que la bont de l'ajustement statistique traditionnelles utilises dans la rgression logistique, robuste en particulier pour les modles avec covariables continues et des tudes avec petit chantillon tailles. Il est bas sur le la probabilit prvue dans chaque dcile. et de comparer les observer probabilit avec regroupement des cas en dciles de risque
Page 20 12 Chapitre 2 Probabilit pour les Permet de contrler les critres selon lesquels les variables sont pas pas. conclu et retirs de l'quation. Vous pouvezdes variables. critres pour l'entre ou Suppression spcifier des Probabilit pour les Une variable est introduite dans le modle si la probabilit de pas pas. du score est infrieur la valeur d'entre et est retir si la probabilit est sa statistique suprieure la valeur d'enlvement. Pour remplacer les paramtres par dfaut, entrez positive
Rgression SPSS 17.0
les valeurs de l'entre et d'enlvement. Classification de tre infrieure la de dterminer le point de coupe pour classer les cas. Vous permet suppression. L'entre doit coupure. Cas avec les valeurs prdites qui dpassent le seuil de classification sont classs comme positifs, tandis que ceux qui prdit les valeurs infrieures ce seuil sont considres comme ngatives. Pour changer la valeur par dfaut, entrez une valeur comprise entre 0,01 et 0,99. Itrations Permet de modifier le nombre maximal de fois que le maximum. avant de mettre fin. modle itre Inclure modle Permet d'indiquer si le modle devrait inclure une constant. terme constant. Si elle est dsactive, le terme constant sera gal 0. REGRESSION LOGISTIQUE Caractristiques de commande supplmentaires Le langage de syntaxe de commande vous permet galement de: Identifiez sortie Casewise par les valeurs ou les tiquettes de variable d'une variable. Contrle de l'espacement des rapports d'itration. Plutt chaque itration,les estimations des paramtres aprs que d'imprimer vous pouvez demander des estimations des paramtres aprs chaque itration n-ime. Modifier les critres de terminaison d'itration et de contrle pour la redondance. Indiquez une liste de variables pour les annonces de Casewise. Conservation de la mmoire en organisant les donnes pour chaque groupe de fichiers partag dans un fichier externe fichier de travail pendant le traitement. Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Page 21
Chapitre 3
Rgression SPSS 17.0
Rgression logistique multinomiale
La rgression logistique multinomiale est utile pour les situations dans lesquelles vous voulez tre en mesure de classer les sujets en fonction des valeurs d'un ensemble de variables prdictives. Ce type de est similaire la rgression logistique, mais elle est plus gnrale car la personne charge rgression variable n'est pas limite aux deux catgories. Exemple. Afin de commercialiser des films plus efficacement, studios de cinma veut prdire ce type de film un cinphile est susceptible de voir. En effectuant une logistique multinomiale Rgression, le studio peut dterminer la force de l'influence de l'ge d'une personne, le sexe, et datant tat a le type de film qu'ils prfrent. Le studio peut alors inclinerfilm en particulier vers un groupe de personnes susceptibles d'aller le voir. campagne de publicit d'un le Statistiques. l'histoire d'itration, les coefficients de paramtre, et de covariance asymptotique matrices de corrlation, le ratio de vraisemblance pour les tests et les effets du modle partielle, -2 log-vraisemblance. Pearson et de la dviance-chi carr.bont de l'ajustement. 2 Nagelkerke, et Coxcatgorie de rponse. et Snell, R McFadden Classification: observe par rapport aux estimations des frquences par Tableau et les proportions par le modleobserves (avecet la catgorie de rponse. crois: et prdit les frquences de covariance rsidus) Mthodes.Un modle logit multinomial est apte pour la factorielle modle complet ou spcifi par l'utilisateur modle. estimation des paramtres est effectue grce une probabilit maximale itrativealgorithme. Donnes. variable dpendante doit tre catgorique. La Les variables. facteurs ouvariables indpendantes peuvent tre En gnral, lesles variables continues. variables catgorielles et covariables devraient tre facteurs doivent tre des Hypothses. Il est suppos que le rapport de cotes de deux catgories sont indpendants de toutes les catgories de rponse d'autres. Par exemple, si un nouveau produit est introduit dans une autres produits sont touchs march, cette hypothse que les parts de march de tous les proportionnellement aussi. En outre, tant donn un motif covariable, les rponses sont supposs tre indpendant variables multinomial. 13
Rgression SPSS 17.0
Page 22
14 Chapitre 3 L'obtention d'une rgression logistique multinomiale Dans le menu, slectionnez: Analyser Rgression Logistique multinomiale ... Figure 3-1 Logistique multinomiale bote de dialogue de la rgression
E E E
Slectionnez une variable dpendante. Les facteurs sont facultatives et peuvent tre numriques ou catgoriques. Covariables sont facultatifs, mais doit tre numrique s'il est spcifi.
Rgression SPSS 17.0
Page 23 15 Rgression logistique multinomiale
Rgression logistique multinomiale Figure 3-2 La rgression logistique multinomiale bote de dialogue Modle
Par dfaut, la rgression logistique multinomiale procdure produit un modle avec le des facteurs et covariables principaux effets, mais vous pouvez spcifier un modle personnalis ou une demande slection de modle par tapes, avec cette bote de dialogue.
Rgression SPSS 17.0
Modle Un modle effets principaux et contient le principal facteur des effets des covariables Spcifiez. effet d'interaction. mais aucun Un modle facteur interactions-. facteur par factoriel complet contient tous les effets principaux et toutes les Il modle personnalis pour spcifier des sous-ensembles des interactions des facteurs ou des interactions covariable, ou unne contient pas les interactions covariable. Vous pouvez crer tapes de slection demande de termes du modle.
Page 24 16 Chapitre 3 Les facteurs et Les facteurs et covariables sont rpertoris. covariables. Conditions d'entre Conditions ajout la liste d'entre en force sont toujours inclus dans le force. modle. Conditions par Conditions ajout la liste des tapes sont incluses dans le modle selon tapes.des slectionnes par l'utilisateur pas pas les mthodes suivantes: l'une Avant Cette mthode commence par des termes non pas pas dans le modle. l'entre. terme le plus significatif est ajout au modle jusqu' ce qu'aucun des tapes A chaque tape, le termes l'cart du modle aurait une contribution importante statistiquement si ajoutes au modle. L'limination en Cette mthode commence par entrer dans toutes les conditions prcises sur arrire. tapes dans le modle. la liste par A chaque retire l'importante par tapes au tous les termes par tapes restantes ont terme est tape, du modle jusqu' ce que une contribution importante statistiquement le modle. Transfrer par Cette mthode commence avec le modle qui serait choisi par tapes. la mthode d'entre avant. De l, l'algorithme alterne entre arrire dans le modle d'entre vers l'avant et sur les termes gauche l'limination progressive sur les termes sur le modle. Cela continue jusqu' ce que le plan de rpondre aux critres d'entre ou l'enlvement. Arrire par Cette mthode commence avec le modle qui serait choisi par tapes. la mthode d'limination en arrire. De l, l'algorithme alterne entre entre avant sur la gauche termes de l'limination en arrire et sur le modle les termes par tapes dans le modle. Cela continue jusqu' ce que le plan de rpondre l'entre ou critres de renvoi. Inclure les intercepter dans le vous permet d'inclure ou d'exclure un terme d'interception pour modle. le modle.
Rgression SPSS 17.0
Conditions Build Pour les facteurs et covariables slectionns: Interaction. Cre le niveau d'interaction terme le plus lev de toutes les variables slectionnes. Les Cre un des effets terme principal pour chaque variable slectionne. principaux Tous les Cre tous les deux sens les interactions possibles des variables slectionnes. effets. 2-way. Tous les Cre tous les trois voies possibles interactions des variables slectionnes. 3-way. Tous les Cre tous les quatre voies interactions possibles des variables slectionnes. 4-voies.
Page 25 17 Rgression logistique multinomiale Tous les 5- Cre tous les cinq voies interactions possibles des variables slectionnes. chemin. Rgression multinomiale logistique Catgorie de rfrence Figure 3-3 La rgression logistique multinomiale rfrence bote de dialogue Catgorie
Rgression SPSS 17.0
Par dfaut, la rgression logistique multinomiale procdure rend la dernire catgorie de la La catgorie de rfrence. Cette bote deles catgories sont classs. la faon dont dialogue vous donne le contrle de la catgorie de rfrence et Catgorie de Prcisez la premire, la dernire, ou une catgorie personnalise. rfrence. Catgorie Dans l'ordre croissant, la plus faible valeur dfinit la premire catgorie et le Ordre. valeur dfinit le dernier. plus haute Dans l'ordrela plus faible la plus haute valeur dfinit le premier catgorie et dcroissant, valeur dfinit le dernier.
Page 26 18 Chapitre 3 Statistiques de rgression logistique multinomiale Figure 3-4 La rgression logistique multinomiale bote de dialogue Statistiques
Rgression SPSS 17.0
Vous pouvez spcifier les statistiques suivantes pour votre rgression logistique multinomiale: Affaire rsum de traitement. variables catgoriques. Ce tableau contient des informations sur l'spcifie
Modle.Statistique pour le modle global. Pseudo R-carr. Imprime la Cox et Snell, Nagelkerke, et R McFadden 2 statistiques.
Page 27 19 Rgression logistique multinomiale tape Ce tableau rsume les effets inscrits ou retirs chaque tape sommaire. dans un procd par tapes. Il ne se produit pasde le modle de bote moins un modle par tapes est spcifi dans dialogue. Modle informations de montage. modles. Ce tableau compare les quip et d'intercepter seule ou null
critres Ce tableau affiche les informations du critre d'Akaike (AIC) et d'information. d'information baysien (BIC). Schwarz critre probabilits de Imprime un tableau des frquences observes et attendues (avec
Rgression SPSS 17.0
cellule. rsiduelle) et les proportions selon le rgime de la covariable et la catgorie de rponse. Classification Imprime un tableau des rponses observes par rapport aux estimations. table. Qualit de l'ajustement des statistiques Affiches Pearson et du rapport de vraisemblance du chi carr chi-carr. statistiques. Les statistiques sont calculesun sous-ensemble covariable l'utilisateurpar tous les et covariables. facteurs et covariables ou par pour les modles dfini par dtermin des facteurs mesures Affiche un tableau avec des informations sur le nombre de Monotinicity. de paires concordantes, paires discordantes, et les paires lies. Le D de Kruskal, Goodman et et l'indice de concordance C sont galement affichs Gamma Somers, Kendall tau-a, dans ce tableau. Paramtres. Les statistiques relatives aux paramtres du modle. Budget des Imprime les estimations des paramtres du modle, avec un niveau spcifi par l'utilisateur dpenses. de confiance. test du rapport de Imprime-ratio des tests de vraisemblance pour le modle effets partiels. vraisemblance. L' d'essai pour le modle global est automatiquement imprim. corrlations asymptotique. covariances asymptotique. Imprime la matrice des corrlations estimation des paramtres. Imprime la matrice des covariances estimation des paramtres.
Dfinir les sousPermet de slectionner un sous-ensemble des facteurs et covariables populations. les modles utiliss par covariable probabilits de cellule et de la bont de l'ajustement afin de dfinir tests.
Page 28 20 Chapitre 3 Critres de rgression logistique multinomiale Figure 3-5

Rgression SPSS 17.0
La rgression logistique multinomiale bote de dialogue Critres de convergence
Vous pouvez spcifier les critres suivants pour votre rgression logistique multinomiale: Itrations. Vous permet de spcifier le nombre maximum de fois que vous voulez faire du vlo grce l'algorithme, le nombre maximum d'tapes dans l'tape-rduire de moiti, le tolrances de convergence pour des changements dans la log-vraisemblance et les paramtres, combien de fois les progrs de l'algorithme itratif est imprime, et ce que la procdure d'itration devrait commencer vrifier ou quasi-complte sparation complte des donnes. Log-vraisemblance La convergence est suppose que si la variation absolue de la convergence.vraisemblance journal est infrieure la valeur spcifie. -Fonction de Levaleur est 0. pas utilis si la critre n'est Spcifiez une valeur ngative non. Paramtre de La convergence est suppose que si la variation absolue de la convergence. paramtres est infrieur cette valeur. estimations des Le critre n'est pas utilis si la valeur est 0. Delta. Vous permet de spcifier une valeur ngative non-infrieur 1. chaque Cette valeur de la tabulation croise de la catgorie de rponse selon le rgime de covariable. cellule vide est ajoute Cette contribue stabiliser l'algorithme et viter tout biais dans les estimations. Singularit de la tolrance. singularits. Vous permet de spcifier la tolrance utilise pour le contrle de
Page 29
Rgression SPSS 17.0
21 Rgression logistique multinomiale
Options de rgression logistique multinomiale Figure 3-6 La rgression logistique multinomiale bote de dialogue Options
Vous pouvez spcifier les options suivantes pour votre rgression logistique multinomiale: Prolifration grande permet de spcifier la valeur d'chelle de dispersion qui sera Vous chelle. utilis pour corriger l'estimation de la covariance des paramtres de la matrice. Dviance estimations la valeur d'chelle en utilisant la fonction dviance (rapport de vraisemblance du chi carr) statistique. Pearson estimations de la valeur d'chelle en utilisant le chi carr de Pearson. Vous pouvez galement prciser la valeur de votre propre chelle. Il doit tre une valeur numrique positive. Options par Ces options vous permettent de contrler des critres statistiques, lorsqu'elles le tapes. par tapes sont utilises pour construire un modle. mthodes Ils sont ignors sauf si un modle par tapes est spcifi dans le modle de bote de dialogue. Entre Il s'agit de la probabilit de la statistique du ratio de vraisemblance pour la variable probabilit. entre. Plus la probabilit donne, plus il est facile pour une variable d'entrer le modle. Ce critre est ignorevers l'arrire estde l'avant, pas pas ascendante, ou mthode progressive sauf si l'entre slectionne.
Rgression SPSS 17.0
Page 30 22 Chapitre 3 Entre C'est la mthode pour la saisie des termes dans les mthodes pas pas. test. le ratio de test de vraisemblance et test du score. Choisissez entre Ce critre est ignor moins vers le avant l'entre, par tapes, ou que l'arrire par tapes mthode avant est slectionn. Enlvement de Il s'agit de la probabilit de la statistique du ratio de vraisemblance pour probabilit. retrait variable. Plus la probabilit donne, plus il est facile pour une variable de rester dans le modle. Ce critre est ignor moins que l'limination en arrire,slectionn. par tapes, ou vers l'arrire par tapes mthode avant est Enlvement C'est la mthode pour liminer les termes de mthodes pas pas. d'essai. ratio deChoisissez et de test Test de Wald. entre le probabilit Ce critre esten arrire, pas que le vers l'arrire par tapes mthode avant est slectionn. l'limination ignor moins pas, ou Minimum escalier effets dans le Lorsque vous utilisez l'limination en arrire ou modle. arrire mthodes pas pas, ceci indique le nombre minimum de conditions inclure dans le modle. L'origine n'est pas considr comme un terme de modle. Maximum escalier effets dans le Lorsque vous utilisez l'entre vers l'avant ou vers l'avant modle. pas pas, ceci indique le nombre maximum de termes inclure dans le mthodes modle. L'origine n'est pas considr comme un terme de modle. Hirarchiquement limiter l'accs et la suppression des Cette option vous permet de termes.d'imposer des restrictions sur l'inclusion des termes du modle. choisir Hirarchiepour un terme d'tre inclus, tous les termes d'ordre infrieur qui font partie de exige que le terme inclure doit tre dans le premier modle. Par exemple,en vigueur, l'tat matrimonial et le sexe facteurs exigence est si la hirarchie doivent avantdeux tre civil * Genre interaction peut tre ajout. modle tous de l'tat dans le La radio trois de dterminer le rle de covariables dans la dtermination de la hirarchie. bouton Options
Rgression SPSS 17.0
Page 31 23 Rgression logistique multinomiale
Rgression logistique multinomiale Enregistrer Figure 3-7 La rgression logistique multinomiale bote de dialogue Enregistrer
La bote de dialogue Enregistrer vous permet d'enregistrer des variables dans le fichier de travail et le modle d'exportation informations dans un fichier externe. variables enregistres: probabilits de rponse Ce sont les probabilits de classification estimes. / motif covariable dans les catgories de rponse. un facteur Il ya autant estim de catgories de la variable rponse; jusqu' 25 seront sauvs. probabilits qu'il ya Prdictions Il s'agit de la catgorie de rponse avec la plus grande devrait catgorie. pour un facteur / motif covariable. probabilit probabilits catgorie prvue. probabilits. C'est le maximum de la rponse estime
Rgression SPSS 17.0
probabilit catgorie Il s'agit de la probabilit estime de classer un actuelle. motif covariable observe dans la catgorie. facteur / informations sur le modle Exporter vers un fichier des paramtres et (ventuellement) de leurs Les estimations XML. covariances sont exports vers le fichier spcifi en XML (PMML). SmartScore et SPSS Statistics Server (un produit distinct) peuvent utiliser ce fichier pour appliquer les informations sur le modle d'autres fichiers de donnes pour fins de notation.
Page 32 24 Chapitre 3 Caractristiques de commande supplmentaires NOMREG Le langage de syntaxe de commande vous permet galement de: Prciser la catgorie de rfrence de la variable dpendante. Incluez les cas avec les valeurs manquantes de l'utilisateur. Personnaliser les tests d'hypothse en prcisant les hypothses nulles comme des combinaisons linaires des paramtres. Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Rgression SPSS 17.0
Page 33
Chapitre 4
Analyse des probits
Cette procdure permet de mesurer la relation entre la force d'un stimulus et la proportion de cas prsentant une certaine rponse la stimulation. Il est utile o vous avez une sortie dichotomique qui est pense pour tre influence ou situations pour causs par des niveaux d'une variable indpendante (s) et est particulirement bien adapt donnes exprimentales. Cette procdure induire une certaine proportion ded'un stimulus que la dose efficace mdiane. ncessaire pour vous permettra d'estimer la force rponses, telles Exemple. Quelle est l'efficacit d'un nouveau pesticide fourmis tuer, et ce qui constitue un moyen adquat
Rgression SPSS 17.0
concentration utiliser? Vous pouvez effectuer uneconcentrations dulaquelle vouspuis enregistrer le nombre de fourmis des fourmis de diffrentes exprience dans pesticide et exposer des chantillons tus et le nombre de fourmis exposes. Applicationla force de la probit ces donnes, vous pouvez tuer, et vous dterminer de l'analyse relation entre la concentration et de peut dterminer la concentration approprie de pesticides serait si vous vouliez pour tre sr de tuer, par exemple, 95% des fourmis exposes. Statistiques. coefficients de rgression et les erreurs standard et erreur standard d'interception, Les Pearson bont de l'ajustement carrs, les frquences observes et attendues chi, et la confiance intervalles de niveaux effectifs de la variable indpendante (s). Emplacements: rponse transform parcelles. Cette procdure utilise les algorithmes proposs et mis en uvre dans NPSOL Murray, Saunders & Wright pour estimer les paramtres du modle. par Gill,
Donnes. chaque valeur de la variable indpendante (ou chaque combinaison de valeurs pour Pour plusieurs variables indpendantes), votre variable de rponse devrait tre un chef d'accusation de la nombre de cas avec ces valeurs que reprsentent la rponse d'intrt, et le total variable observe devrait tre un comptage du nombre total de cas avec ces valeurs pour la variable indpendante. Le facteur variable devrait tre catgorique, cod sous forme d'entiers.
25
Page 34 26 Chapitre 4 Hypothses. Les observations doivent tre indpendantes. Si vous avez un grand nombre de des valeurs pour les variables indpendantes par rapport au nombre d'observations, comme vous pourrait, dans une tude d'observation, le carr et la bont de l'ajustement des statistiques chi peut ne pas tre valide. procdures analyse Probit est troitement lie la rgression logistique, en fait, si connexes. vous choisissez la transformation logit, cette procdure sera essentiellement calculer une logistique rgression. En gnral,logistique probit est appropripour les tudes d'observation. alors que rgression l'analyse est plus approprie pour les expriences conues, Les diffrences de la production de reflter ces priorits diffrentes. La procdure d'analyse probit rapports
Rgression SPSS 17.0
estimations des valeurs efficacesrgression logistiquerponse (y compris efficace mdiane pour les dose), alors que la procdure de pour divers taux de rapports estimations des odds ratios variables indpendantes. Obtention d'une analyse Probit Dans le menu, slectionnez: Analyser Rgression Probit ...
Page 35 27 Analyse des probits
Figure 4-1 Analyse bote de dialogue Probit
Rgression SPSS 17.0
Slectionnez une variable de rponse en frquence. Cette variable indique le nombre dede test. prsentant une rponse au stimulus cas Les valeurs de cette variable ne peut pas tre ngatif. Slectionnez une variable observe total. Cette variable indique le nombre de cas laquelle le stimulus est appliqu. Les valeurs de valeurs de la variable de rponse en frquence pour chaque cas. infrieure aux cette variable ne peut pas tre ngatif et ne peut tre En option, vous pouvez slectionner un facteur variable. Si vous le faites, cliquez sur les groupes. Dfinir une plagedfinir
Slectionnez un ou plusieurs covariables (s). Cette variable contient le niveau du stimulus appliqu chaque observation. Si vous voulez transformer la covariable, slectionnez une transformation de la liste droulante de transformation. Si aucune transformation n'est applique etestya une dans l'analyse. groupe tmoin, alors le groupe de contrle il inclus Slectionnez l' Probit ou Logit modle.
Page 36 28
Rgression SPSS 17.0
Chapitre 4 Modle Applique la transformation probit (l'inverse de la cumulatifs Probit. la fonction de distribution normale) dans les proportions de rponse. standard Modle logit. Applique le logit (log odds) de transformation dans les proportions de rponse.
Analyse des probits Dfinir une plage Figure 4-2 Analyse des probits Dfinir une plage bote de dialogue
Cela vous permet de prciser les niveaux de la variable facteur qui seront analyss. L' taux de facteur doivent tre cods comme des entiers conscutifs, et tous les niveaux de la plage que vous les prcise sera analyse. Options d'analyse Probit Figure 4-3 Analyse des probits bote de dialogue Options
Rgression SPSS 17.0
Page 37 29 Analyse des probits
Vous pouvez spcifier des options pour votre analyse probit:
Statistiques . Puissance Vous permet de demanderparalllisme, et les intervalles de confiance Fiducial. relative mdiane, Test de l'option statistiques suivantes: les frquences, Puissance relative Affiche le rapport des puissances mdiane pour chaque paire de mdian. de facteur. les taux Elle montre aussi lesmdian n'est pas disponible si pour chaque pas un facteur variable ou Relative puissances limites de confiance de 95% vous n'avez mdiane puissance relative. si vous avez plus d'une covariable. Paralllisme. Un test de l'hypothse que tous les niveaux de facteurs ont une pente commune.
Les intervalles de confiance Les intervalles de confiance pour le dosage de l'agent ncessaire Fiducial. pour produire une certaine probabilit de rponse. intervalles de confiance et de repres Puissance relative mdiane ne sont pas disponibles si vous avez slectionn plus d'une covariable. Puissance relative mdiane et Test de paralllisme sont disponible uniquement si vous avez slectionn un facteur variable. Taux de rponse Vous permet d'indiquer un taux de rponse naturelle mme dans les naturelles. stimulus. absence du alternatives disponibles sont: Aucune, Calculer partir des donnes, ou la valeur. Calculer partir des Estimer le taux de rponse naturelle partir des donnes de l'chantillon. donnes. doit contenir un cas reprsentatif du niveau de contrle, pour lequel la valeur de la Votre de donnes covariable (s) est gal 0. Probit estimations le niveau de contrle en tant que valeur la proportion des rponses pour du taux de rponse naturelle l'aide de initiale. Valeur.Dfinit le taux de rponse naturelle dans le modle (slectionnez cette option lorsque vous connaissez le taux de rponse naturelle l'avance). Entrez la proportioninfrieure 1). (la proportion doit tre rponse naturelle Par exemple, si la rponse se produit 10% de la moment o le stimulus est de 0, entrez 0,10. Critres. Permet de contrler les paramtres de l'estimation itrative des paramtresalgorithme. Vous pouvez remplacer les valeurs par dfaut pour les itrations maximum, de limiter l'tape, et Optimalit de la tolrance.
Caractristiques de commande supplmentaires PROBIT Le langage de syntaxe de commande vous permet galement de: Demander une analyse sur les modles Probit et Logit.
Rgression SPSS 17.0
Contrle du traitement des valeurs manquantes. Transformer les variables par d'autres bases que la base 10 ou logarithme naturel.
Page 38 30 Chapitre 4 Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Rgression SPSS 17.0
Page 39
Chapitre 5
Rgression non linaire
La rgression non linaire est une mthode permettant de trouver un modle non linaire de la relation entre la variable dpendante et un ensemble de variables indpendantes. Contrairement aux qui est limit l'estimation des modles linaires, rgression non linaire rgression linaire, peut estimer des modles avec des relations arbitraires entre les indpendants et dpendants variables. Ceci est accompli en utilisant des algorithmes d'estimation itratif. de la forme Y = A + BX ** 2. procdure n'est pas ncessaire pour les modles simples polynme Notez que cette = X ** 2, nous obtenons un modle linaire simple, Y = A + BW, qui peut tre En dfinissant W estime en utilisant des mthodes traditionnelles telles que la procdure de rgression linaire. Exemple. Peut-tre de la population prvu en fonction du temps? Un diagramme de entre la population et semble tre une relation forte dispersion montre quele temps, mais la relation est non linaire, de sorte qu'il exige des mthodes spciales d'estimation de la rgression non linaire procdure. En mettant enpouvons obtenir uneapproprie, commedu modle, qui nous permet de faire des prdictions sur modle, nous place une quation bonne estimation une croissance logistique de la population population pour des temps qui n'ont pas t effectivement mesures.
Rgression SPSS 17.0
Statistiques. Pour chaque itration: les estimations des paramtres et la somme des carrs des rsidus. chaque modle: la somme des carrs de rgression, rsiduelle, total non corrig et corrig Pour total, les estimations des paramtres, erreurs-types asymptotiques, et la corrlation asymptotique matrice des estimations des paramtres. Note: Contraint de rgression non linaire utilise les algorithmes proposs et par Gill, Murray, Saunders, et Wright pour estimer les paramtres du modle. mis dans NPSOL en uvre Donnes. variables dpendantes et indpendantes devraient tre quantitative. Les Catgorique variables, comme la religion, les grands, ou de la rgion de rsidence, doivent tre recode en binaire (Fictif) variables ou d'autres types de variables de contraste. Hypothses. Les rsultats sont valables que si vous avez spcifi une fonction qui prcise dcrit la relation entre les variables dpendantes et indpendantes. Enchoix des bonnes valeurs de dpart est trs important. le outre, Mme sila forme fonctionnelle du modle, si vous utilisez pauvres valeurs de dpart, votre modle corriger vous avez spcifi l' 31
Page 40 32 Chapitre 5 peuvent ne pas converger ou vous pouvez obtenir une solution optimale au niveau local plutt que celui qui est globalement optimale. procdures Beaucoup de modles non linaires qui apparaissent au premier abord peut tre transforme en une connexes. modle linaire, qui peut tre analys en utilisant la procdure de rgression linaire. Si vous pas quoi le modle appropri devrait tre, l'estimation de procdure de la courbe peut ne savez aider identifier les relations fonctionnelles utiles dans vos donnes. Obtention d'une analyse de rgression non linaire Dans le menu, slectionnez: Analyser Rgression Non linaire ... Figure 5-1 Rgression non linaire bote de dialogue
Rgression SPSS 17.0
E E
Slectionnez une personne charge variable numrique de la liste des variables dans votre fichier de travail. Pour construire une expression du modle, entrez l'expression dans le domaine de modle ou de la pte composantes (variables, paramtres, fonctions) dans le champ. Identifier les paramtres de votre modle en cliquantParamtres . sur
Page 41 33 Rgression non linaire Un modle segment (celui qui prend des formes diffrentes dans diffrentes parties de son domaine) doit tre spcifi en utilisant la logique conditionnelle dans le modle de dclaration unique. Logique conditionnelle (rgression non linaire) Vous pouvez spcifier un modle segment utilisant la logique conditionnelle. Pour utiliser la logique conditionnelle une fonction de perte, vous formez la somme d'une srie de termes, au sein d'une expression du modle ou une pour chaque tat. Chaque termel'expression quid'une expressionlors que l'expression logique est vraie. multipli par est constitue devrait aboutir logique (entre parenthses) Par exemple, considrez un modle segment qui est gal 0 pour x <= 0, X pour 0 X <<1, et
Rgression SPSS 17.0
1 pour X> = 1. (X <= 0) * 0 pour cela X L'expression + (X> 0 etest:<1) * X + (X> = 1) * 1. Les expressions logiques entre parenthses toutes les valuer 1 (vrai) ou 0 (faux). Par consquent: Si X <= 0, ce qui prcde se rduit 1 * 0 + 0 + 0 * X * 1 = 0. Si 0 <X <1, il se rduit 0 * 0 + 1 + X * 0 * 1 = X. Si X> = 1, il se rduit 0 * 0 + 0 + X * 1 * 1 = 1. Plus compliqu exemples peuvent tre facilement construits par substitution logique diffrent les expressions et les expressions des rsultats. N'oubliezdoivent tre ingalits double, comme 0 <X <1, pas que les crites comme des expressions composes, telles que (X> 0 et X <1). variables String peut tre utilis dans des expressions logiques: ville = 'New York') * costliv (+ (ville = 'Des Moines) * 0,59 * costliv Celui-ci donne l'expression (la valeur de la variable costliv) pour les New-Yorkais etde cette valeur) pour les rsidents Moines. une autre (59% Les constantes de chane doivent trecomme indiqu ici. entre guillemets ou des apostrophes,
Page 42 34 Chapitre 5 Paramtres de rgression non linaire Figure 5-2 Rgression non linaire bote de dialogue Paramtres
Rgression SPSS 17.0
Les paramtres sont les parties de votre modle que la procdure de rgression non linaire estimations. Lesles valeurs utilises dans l'valuationadditives, des coefficients multiplicateurs, des exposants, ou paramtres peuvent tre constantes de fonctions. Tous les paramtres que vous avez dfini sera apparatre (avec leurs valeurs initiales) sur la liste Paramtres de la bote de dialogue principale. Nom. Vous devez spcifier un nom pour chaque paramtre. Ce tre le nom utilis dans l'expression du modle dans la bote de dialogue principale. nom et doitnom doit tre une variable valide partir de la Vous permet de spcifier une valeur de dpart pour le paramtre, de prfrence sous forme valeur.que possible de la solution finale attendue. proche valeurs converger ou peut amener des sur une solution qui est locale (plutt que global) ou l'chec de dpart faible la convergence est physiquement impossible. Utilisez les valeurs de dpart de l'analyse Si vous avez dj excut une non linaire prcdente. partir de cette bote de dialogue, vous pouvez slectionner cette option pour obtenir les valeurs initiales rgression des paramtres de leurs valeurs dans la srie prcdente. Ceci vous permet de continuer converge lentement. la recherche quand l'algorithme (Les valeurs de dpart liste Paramtres de la bote de dialogue principale.) toujours figurer sur la initial Note: Cette slection persiste dans cette bote de dialogue pour le reste de votre session. Si vous de dslectionner. changer le modle, n'oubliez pas
Page 43 35 Rgression non

Rgression SPSS 17.0
Commune modles de rgression non linaire
linaire
Le tableau ci-dessous la syntaxe exemple de modle pour de nombreux publi non linaire Des modles de rgression. Un modle choisi au hasard paramtres appropris sont ncessaires,voscertains modles ncessitent partir des valeurs pour les n'est pas susceptible de correspondre et donnes ainsi. contraintes afin de converger. Tableau 5-1 Exemple de syntaxe modle Nom Asymptotique de rgression Asymptotique de rgression Densit Gauss Gompertz Johnson-Schumacher Connectez-jour Log-logistique Droit Metcherlich de Diminishing Retourne Michaelis-Menten Morgan-Mercer-Florin Peal-Reed Ratio de Cubics Ratio des quations du second degr Richards Verhulst Von Bertalanffy Weibull Rendement Densit
expression du modle * exp (b3 * x) b1 + b2 b1 - (b2 * (b3 ** x)) (B1 + b2 * x) ** (-1 / b3) b1 * (1 - b3 * exp (-b2 * x ** 2)) b1 * exp (-b2 * exp (-b3 * x)) b1 * exp (-b2 / (x + b3)) (B1 + b3 * x) ** b2 b1 - ln (1 + b2 * exp (-b3 * x)) b1 + b2 * exp (-b3 * x) * B1 x / (x + b2) (B1 * b2 + b3 * x ** b4) / (b2 + x ** b4) b1 / (1 + b2 * exp (- (b3 b4 + * x * x ** 2 + b5 * x ** 3))) (B1 + b2 + b3 * x * x ** 2 + B4 * x ** 3) / (b5 * x ** 3) (B1 + b2 + b3 * x * x ** 2) / (b4 * x ** 2) b1 / ((1 + b3 * exp (-b2 * x)) ** (1 / b4)) b1 / (1 + b3 * exp (-b2 * x)) (B1 ** (1 - B4) - b2 * exp (-b3 * x)) ** (1 / (1 - B4)) b1 - b2 * exp (-x ** * b3 b4) (B1 + b2 + b3 * x * x ** 2) ** (-1)
Rgression SPSS 17.0
Page 44 36 Chapitre 5 Rgression non linaire fonction de perte Figure 5-3 Perte non linaire fonction de rgression de la bote de dialogue
La fonction de perte dans la rgression non linaire est la fonction qui est minimis par la algorithme. de Somme des carrs des rsidus rduire au minimum la somme des carrs Slectionnez une ouperte de fonction-utilisateur minimiser une fonction diffrente. rsidus ou dfini l'autre afin de Si vous slectionnez perte de fonction-utilisateur devez dfinir la fonction de perte dont la somme , Vous dfini (Dans tous les cas) devraient tre minimiss par le choix des valeurs des paramtres. La plupart des fonctions impliquent la perte de la RESID_ variable spciale, qui reprsente la rsiduelle. (La somme de RESID_ 2 fonction par dfaut carrs des rsidus pourraient tre inscrits la explicitement queperte de ** Si vous avez besoin d'utiliser la valeur prdite dans votre perte .) fonction, il est gal la variable dpendante moins la valeur rsiduelle. Il est possible de spcifier une fonction de perte conditionnelle en utilisant la logique conditionnelle. Vous pouvez taper une expression dans la perte de fonction de champ dfini-utilisateur ou de la pte composantes de l'expression dans le champ. Les constantesdes apostrophes, et les constantes numriques doivent tre dactylographis en Amrique guillemets ou de chane doit tre enferm dans format, avec le point comme sparateur dcimal.
Rgression SPSS 17.0
Page 45 37 Rgression non linaire
Rgression non linaire des paramtres contraintes Figure 5-4 Rgression non linaire des paramtres bote de dialogue Contraintes
Une contrainte est une restriction sur les valeurs admissibles pour un paramtre d'une solution. recherche lors de l'itratif expressions linaires sont valus avant pour viter les mesures qui pourraientvous pouvez utiliser des contraintes linaires qu'une mesure est prise, de sorte que entraner des dbordements. Non linaire sont values aprs un pas est franchi. les expressions Chaque quation ou ingalit, il faut les lments suivants: Une expression impliquant au moins un paramtre dans le modle. Tapez l'expression ce qui vous permet de coller des chiffres, les oprateurs, ou entre parenthses ou utilisez le clavier, dans l'expression. Vous pouvez soit taper ou paramtre partir(s) avec des paramtres gauche. le reste de l'expression le de la pte dsir de la liste Vous ne pouvezvariables ordinaires dans une contrainte. l'utilisation des pas
Rgression SPSS 17.0
L'un des trois oprateurs logiques <=, =, ou> =. Une constante numrique, dans lequel l'expression est compare l'aide de la logique oprateur. Type de la constante. Les constantes numriques doivent tre dactylographis en format amricain, avec le point comme sparateur dcimal.
Page 46 38 Chapitre 5 La rgression non linaire Enregistrer nouvelles variables Figure 5-5 Rgression non linaire Enregistrer Nouvelle bote de dialogue Variables
Vous pouvez enregistrer un certain nombre de nouvelles variables votre fichier de donnes actif. Les options disponibles prdites, produits drivs, et valeurs de la fonction de perte. Les rsidus, les valeurs sont Ces variables peuvent tre utiliss dans des analyses ultrieures afin de tester l'ajustement du modle ou pour identifier les cas problme. Rsiduelles.rsidus Enregistre avec le nom de la variable resid. Les valeurs Enregistre les valeurs prdites avec les pred_ nom de la variable. prdites. Drivs. Un driv est enregistre pour chaque paramtre du modle. sont crs parnoms drivs le prfixe d. pour les six premiers caractres des noms de paramtres. Valeurs fonction Cette option est disponible si vous spcifiez votre fonction propre perte. de perte. nom de la variable est attribue aux valeurs de la fonction de perte. Le loss_
Rgression SPSS 17.0
Options rgression non linaire Figure 5-6 Rgression non linaire bote de dialogue Options
Options vous permettent de contrler diffrents aspects de votre analyse de rgression non linaire:
Rgression SPSS 17.0
Estimations Une mthode d'estimation de l'erreur-type d'une statistique l'aide des chantillons rpts de l'ensemble de donnes original. bootstrap. Cela se fait par pour obtenir de nombreux chantillons de la mme taille que les donnes originales. remplacement) chantillonnage (avec L' quation non linaire est estime pour chacun de ces chantillons. L'erreur-type de chaque est ensuite calcule comme l'cart-type de la mthode bootstrap estimation des paramtres estimations. Les valeurs des paramtres partir des donnes d'origine sont utilises comme valeurs de dpart pour chaque bootstrap de l'chantillon. Cela ncessite la programmation algorithme quadratique squentielle. Mthode Permet de slectionner une mthode d'estimation, si possible. d'estimation. ou autres botes de dialogue requirent la programmation squentielle quadratique (Certains choix dans tel algorithme.) Disponible options incluent la programmation quadratique squentielle et Levenberg-Marquardt. Programmation quadratique Cette mthode est disponible pour les contraintes et squentielle. des modles. sans contrainte Programmation quadratique squentielleperte de fonction dfinie-utilisateur, ou d'amorage. vous spcifiez un modle contraint, une est utilis automatiquement si Vous pouvez entrer de nouvelles valeurs pour les itrations maximum et de limiter l'tape, et vous pouvez
Page 48 40 Chapitre 5 modifier la slection dans les listes droulantes en bas de la tolrance optimalit, fonction prcision, et la taille tape Infinite. LevenbergCeci est l'algorithme par dfaut pour les modles sans contrainte. Marquardt. de Levenberg-Marquardt n'est pas disponible si vous spcifiez une contrainte La mthode modle, une perte de fonction dfinie-utilisateur, ou d'amorage. Vousles itrations maximum, et vous pouvez changer la slection dans la liste droulante en bas pour pouvez entrer de nouvelles valeurs Somme des carrs de la convergence et la convergence des paramtres.
Interprtation des rsultats de la rgression non linaire les problmes de rgression non linaire souvent prsenter des difficults de calcul: Le choix des valeurs initiales pour les paramtres de convergence des influences.
Rgression SPSS 17.0
Essayezdes valeurs initiales qui sont raisonnables et, si possible, proximit de l'attendus choisir de solution finale. Parfois, un algorithme plus performant que l'autre sur un problme particulier. Dans la bote de dialogue Options, slectionnez l'algorithme d'autres si elle est disponible. (Si spcifiez une fonction de perte ou de certains types de contraintes, vous ne pouvez pas utiliser le vous Algorithme de Levenberg-Marquardt.) Lorsque itration s'arrte seulement parce que le nombre maximal d'itrations a eu lieu, le modle final n'est probablement pas une bonne solution. Utilisez les valeurs de dpart de Slectionnez analyse prcdente dans la bote de dialogue Paramtres de poursuivre l'itration, ou mieux encore, choisissez des valeurs initiales diffrentes. Les modles qui exigent exponentiation ou par des valeurs de donnes volumineux peuvent causer des dbordements ou sousverses (nombre trop grand ou trop petit pour l'ordinateur reprsenter). Parfois, vous pouvez viter ces par un choix appropri des valeurs initiales ou en imposant des contraintes sur les paramtres.
Caractristiques de commande supplmentaires NLR Le langage de syntaxe de commande vous permet galement de: Nom d'un fichier partir duquel lire les valeurs initiales des estimations des paramtres. Indiquez plus d'un modle de dclaration et de la fonction de perte. Cela rend plus un modle segment. pour spcifier facile Fournissez vos propres drivs plutt que d'utiliser celles calcules par le programme.
Prcisez le nombre d'chantillons bootstrap gnrer.
d'autres critres d'itration Prcisez, notamment en imposant une valeur critique pour les drivs le contrle et la dfinition d'un critre de convergence pour la corrlation entre les rsidus et les drivs. Critres complmentaires pour la (Contrainte de rgression non linaire) de commande pour permettre CNLR vous:
Rgression SPSS 17.0
Spcifiez le nombre maximum d'itrations mineures autoriss au sein de chaque grand itration. Dfinir une valeur critique pour le contrle driv. tablissez une limite de l'tape. Spcifiez une tolrance accident afin de dterminer si les valeurs initiales sont spcifies au sein de leur limites. Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Page 50
Chapitre 6
Rgression SPSS 17.0
Poids d'estimation
Des modles de rgression linaire standard supposent que la variance est constante au sein de la population l'tude. Lorsque ce n'est pas le cas, par exemple, lorsque des casque les cas qui sont faibles sur ce sont levs sur certains attribut show plus de variabilit que -Rgression linaire attribut l'aide des moindres carrs ordinaires (MCO) ne prvoit plus estimations du modle optimal. Si les diffrences dans la variabilit peut tredu poidspeut calculer les coefficients de une autre variable, la procdure d'estimation prdite partir de un modle de rgression linaire l'aide des moindres carrs pondrs (WLS), de telle sorte que plus des observations prcises (c'est dire ceux avec moins de variabilit) sont donn plus de poids dans dterminer les coefficients de rgression. La procdure d'estimation du et indique tests sur une gamme des transformations de poids poids des ce qui donnera le meilleur ajustement aux donnes. Exemple. Quels sont les effets de l'inflation et le chmage sur l'volution des stocks prix? Parcedes valeurs faible part, les moindres carrs ordinaires ne sera pas de produire desgrande variabilit que ceux avec que les stocks avec des valeurs plus grande part font souvent preuve d'une plus estimations optimales. estimation du poids vous permet de rendre compte de l'effet des prix de l'action sur la variabilit des variations de prix dans le calcul du modle linaire. Statistiques. vraisemblance valeurs de log pour chaque puissance de la variable source de poids De tests, plusieurs R, R-carr, R au carr rajust, table ANOVA pour le modle WLS, et les estimations des paramtres normaliss, et de log-vraisemblance pour le non normaliss modle de WLS. Donnes. variables dpendantes et indpendantes devraient tre quantitative. Les Catgorique variables, comme la religion, les grands, ou de la rgion de rsidence, doivent tre recode en binaire (Fictif) variables ou d'autres types de variables de contraste. La variable de devrait tre li la variabilit de la variable dpendante. quantitative et poids devrait tre Hypothses. Pour chaque valeur de la variable indpendante, la rpartition des variable dpendante doit tre normale. Lachaque variable indpendante doit tre linaire, et toutes les observations doivent tre et relation entre la variable dpendante indpendants. La variance de la variable dpendante peut varier entre les diffrents niveaux de la 42
Rgression SPSS 17.0
Page 51 Poids d'estimation variable indpendante (s), mais les diffrences doivent tre prvisibles bass sur le poids variable.
43
procdures La procdure Explorer peut tre utilis pour l'cran de vos donnes. connexes. tests de normalit et d'homognit de la variance, ainsi que l'affichage graphique. Explorez fournit des Si votre variable dpendante semble avoir une variance gale entre les diffrents niveaux d'indpendants variables, vous pouvez utiliser la procdure de rgression linaire. Si vos donnes(tels que la normalit), essayez de les transformer. une hypothse semblent violer Si une transformation linaire ne suffit pas, utiliser un autre modle de la courbe de et vos donnes ne sont pas lis Estimation procdure. Si un particulier la vente est termine ou si un article est dfectueux, utilisez la logistique si votre variable dpendante est dichotomique, par exemple, Procdure de rgression. Si votre variableutilisation Life Tables de chirurgie, de Kaplan-Meier ou la rgression de Cox, disponible en temps aprs son dpendante est censur par exemple, la survie les statistiques option avance. Si vos donnesune sont pas indpendants, par exemple, si vous observez ne mme personne sous plusieurs conditions d'utilisation des mesures rptes procdure, disponibles dans les statistiques option avance. Obtention d'une analyse Estimation de la masse Dans le menu, slectionnez: Analyser Rgression Estimation de la masse ...
Rgression SPSS 17.0
Page 52 44 Chapitre 6 Figure 6-1 Estimation bote de dialogue de poids
E E E
Slectionnez une variable dpendante. Slectionnez une ou plusieurs variables indpendantes. Slectionnez la variable qui est la source de l'htroscdasticit que la variable de poids. Poids Les donnes sont pondres par l'inverse de cette variable leve une variable. pouvoir. L'quationindique la puissance qui maximise la fonction de vraisemblance-log. valeurs et de rgression est calcul pour chaque d'une gamme prcise de la puissance Gamme de Il est utilis en conjonction avec la variable de poids pour calculer puissance. poids. Plusieurs quations de rgression sera apte, un pour chaque valeur de la puissance gamme. Les valeurs inscrites dans la gamme botier de test de puissance et de la zone de texte par le biais doit tre comprise entre -6,5 et 7,5 inclusivement. Les valeurs gamme de puissance de la basse de grande valeur, par incrments dtermin par la valeur spcifie. Le nombre totalplage de puissance est limit 150. valeurs dans la de
Rgression SPSS 17.0
Page 53 45 Poids d'estimation Options Estimation de la masse Figure 6-2 Poids Estimation bote de dialogue Options
Vous pouvez spcifier des options pour votre analyse estimation du poids: Ajoutez le meilleur rapport poids comme nouvelle Ajoute la variable de poids pour le fichier actif. variable. appele WGT_n, o n est un nombre choisi de donner Cette variable est la variable unique nom. Afficher ANOVA et des prvisions Permet de contrler la faon dont les statistiques sont affiches dans le budgtaires. de sortie. alternatives disponibles sont les meilleures pour le pouvoir et pour chaque valeur de la puissance. Caractristiques de commande supplmentaires WLS Le langage de syntaxe de commande vous permet galement de: Fournir une valeur unique pour le pouvoir. Indiquez une liste de valeurs de puissance, ou mlanger un intervalle de valeurs avec une liste de valeurs pour le pouvoir.
Rgression SPSS 17.0
Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Page 54
Chapitre 7
Deux tages de moindres carrs Rgression
Des modles de rgression linaire standard supposent que les erreurs dans la variable dpendante sont corrls avec la variable indpendante (s). Lorsqueles relations entre les variables sont bidirectionnel), la rgression linaire l'aide lorsque ce n'est pas le cas (par exemple, moindres carrs ordinaires (MCO) ne fournit plus les estimations du modle optimal. Deux tages moindres carrs utilise des variables instrumentales qui ne sont pas corrles avec l'erreur rgression des termes pour calculer les valeurs estimes de la variable explicative la problmatique (s) (la premire tape), et utilise ensuite ces valeurs calcules pour estimer un modle de rgression linaire de la personne charge variable (la deuxime tape). Depuis les valeurs calcules les rsultats de l'tape modlequi sontsont optimales. corrlation avec les erreurs, sont bases sur des variables deux Exemple. Est-ce que la demande pour un produit lie son prix et les revenus des consommateurs?
Rgression SPSS 17.0
La difficult dans ce modle est que le prix et la demande ont un effet rciproque sur chaque d'autres. C'est, le prix peut influer sur largression-deuxla demande peut les revenusinfluencer le prix. et dcals Moindres carrs du modle de demande et de pourrait utiliser galement des consommateurs Une pour calculer un indicateur de prix qui n'est pas corrle avec les erreurs de mesure dans de prix la demande. Cette procuration est remplac par les prix lui-mme prcis dans le modle de l'origine, qui est alors estim. Statistiques. Pour chaque modle: les coefficients de rgression non normaliss et standardiss, 2, Ajust 2, L'erreur type de l'estimation, analyse de la variance de table, multiples R, R R les valeurs prdites et les rsidus. En outre, intervalles de matrices de covariancechaque rgression , Et la corrlation et de confiance 95% pour coefficient des estimations des paramtres. Donnes. variables dpendantes et indpendantes devraient tre quantitative. Les Catgorique variables, comme la religion, les grands, ou de la rgion de rsidence, doivent tre recode en binaire (Fictif) variables ou d'autres types de variables de contraste. Endognes explicatives variables doivent tre quantitatives (non catgorique).
46
Page 55 47 Deux phases de rgression Hypothses. Pour chaque valeur de la variable indpendante, la rpartition des des variable dpendante doit tre normale. moindres La variance de la constante pour toutes les valeurs de la variable indpendante. variable doit tre distribution de la personne charge carrsLa relation entre la variable dpendante et chacune des variables indpendantes doit tre linaire. procdures Si vous croyez qu'aucun de vos variables prdictives est corrle connexes. avec les erreurs dans votre variable dpendante, vous pouvez utiliser la rgression linaire procdure. Si vos donnes de nature violer l'unetransformer. ou variance constante), essayez de les des hypothses (tels que la normalit Si vos donnes ne sont pas lies utilisez un autre modle dans l'estimation de la courbe et une transformation n'aide pas, linairement procdure. Si votre variable dpendante est dichotomique, de rgression particulier vente est termine ou non, utiliser la procdure comme si un logistique. Si vos donnes sont exemple, si vous observez une mme personne sous plusieurs pas indpendants, par conditions d'utilisation de la procdure de mesures rptes, disponible dans les modles avancs option.
Rgression SPSS 17.0
Obtention des doubles moindres carrs Analyse de rgression-a Dans le menu, slectionnez: Analyser Rgression Moindres carrs-2 ... Figure 7-1 2-Stage Moindres Carrs bote de dialogue
Page 56 48 Chapitre 7 E E E Slectionnez une variable dpendante. Slectionnez un ou plusieurs motifs (variables explicatives). Slectionnez une ou plusieurs variables instrumentales. Instrumental. Ce sont les variables utilises pour calculer les valeurs prdites pour les des variables endognes dans la premire tape de deux tapes analyse des moindres carrs. L' mmes variables peuvent apparatre dans les motifs et les zones de liste Instrumental.
Rgression SPSS 17.0
Le nombre de variables instrumentales doivent tre au moins aussi nombreuses que le nombre de variables explicatives. Si toutes les variables explicatives et instrumentales de la procdure de rgression linaire. mme, les rsultats sont les mmes que les rsultats mentionns sont les variables explicatives non prcis comme tant instrumentale sont considrs comme endognes. Normalement, toutes les variables exognes dans la liste des motifs sont galement prcis que variables instrumentales.
Two-Stage Least-Squares Regression Options Figure 7-2 2-Stage Least Squares Options dialog box
You can select the following options for your analysis: Save New Allows you to add new variables to your active file. Variables. Predicted and Residuals. Disponible options are Display covariance of parameters. paramtres. estimations des Allows you to print the covariance matrix of the
Page 57 49 Two-Stage LeastSquares Regression
2SLS Command Additional Features
The command syntax language also allows you to estimate multiple equations
Rgression SPSS 17.0
simultanment. Voir la syntaxe des commandes de rfrence pour l'information complte de la syntaxe.
Page 58
Rgression SPSS 17.0
Annexe Une
Categorical Variable Coding Rgimes
In many procedures, you can request automatic replacement of a categorical independent variable with a set of contrast variables, which will then be entered or removed from an equation as a block. You can specify how the set of contrast variables is to be coded, usually on the subcommand. This appendix explains and CONTRASTE illustrates how different contrast types requested on actually work. CONTRASTE Deviation Deviation from the grand mean. moyenne ( 1/ k df(1) ( 11/ k( 1/ df(2) k . . df(k1) ( 1/ k In matrix terms, these contrasts have the form: 1/ k 1/ k 11/ k . . 1/ k ... ... ... 1/ k 1/ k 1/ k 11/ k 1/ k 1/) k) 1/ k) 1/ k)
...
where k is the number of categories for the independent variable and the last category is omitted by default. For example, the deviation contrasts for an independent variable with three categories are as follows: ( 1/3 ( 2/3 ( 1/3 1/3 1/3 2/3 1/3 ) 1/3 ) 1/3 )
50
Rgression SPSS 17.0
Page 59 51 Categorical Variable Coding To omit a category other than the last, specify the number of the omitted category in Schemes parentheses after the CART mot-cl. obtains the deviations for the first and For example, the following subcommand third categories and omits the second: /CONTRAST(FACTOR)=DEVIATION(2) Suppose that factor has three categories. The resulting contrast matrix will be ( 1/3 1/3 1/3 ) ( 2/3 1/3 1/3 ) ( 1/3 1/3 2/3 )
Simple Simple contrasts. moyenne ( 1/ k (1 df(1) df(2) . . df(k1) (0 Compares each level of a factor to the last. The general matrix form is 1/ k0 1 . . 0 ... ... ... 1/ k0 0 1/ k) ) 1 1 )
(0
...
1 )
where k is the number of categories for the independent variable. Par exemple, le simple contrasts for an independent variable with four categories are as follows: ( 1/4 (1 (0 (0 1/4 0 1 0 1/4 0 0 1 1/4 ) 1 ) 1 ) 1 )
To use another category instead of the last as a reference category, specify in parentheses after the SIMPLE keyword the sequence number of the reference category, which is not necessarily the value associated with that category. Par exemple, le suivant subcommand obtains a contrast matrix that omits the second CONTRASTE
Rgression SPSS 17.0
catgorie: /CONTRAST(FACTOR) = SIMPLE(2)
Page 60 52 Annexe A Suppose that factor has four categories. The resulting contrast matrix will be ( 1/4 1/4 1/4 1/4 ) (1 -1 0 0) (0 -1 1 0) -1 0 (0 1)
Helmert Contrastes de Compares categories of an independent variable with the mean of Helmert. the subsequent categories. The general matrix form is moyenne df(1) df(2) . . df(k2) df(k1) ( 1/ k (1 (0 1/ 1/( k k 1 1) . . 0 0 ... ... ... 1/ 1/( k k 1/( 1) k 2) -1 / 2 1 1/ 1/( k ) k 1/( 1)) k 2) ) -1 / 2 1 )
(0 (0
1 ...
where k is the number of categories of the independent variable. Par exemple, un variable with four categories has a Helmert contrast matrix of the independent following form: ( 1/4 (1 (0 (0 1/4 1/3 1 0 1/4 1/3 -1 / 2 1 1/4 ) 1/3 ) 1/2 ) 1 )
Rgression SPSS 17.0
Diffrence Difference or reverse Helmert Compares categories of an independent variable contrasts. with the mean of the previous categories of the variable. The general matrix form is moyenne df(1) df(2) ( 1/ k 1 ( ( 1/2 1/ k1 -1 / 2 1/ k0 1 ... ... ... 1/ k) ) 0 0)
Page 61 53 Categorical Variable Coding Schemes
... 1/( 1/( 1) k k 1) 1) where k is the number of categories for the independent variable. Par exemple, le difference contrasts for an independent variable with four categories are as follows: ( 1/4 ( 1 ( 1/2 ( 1/3 1/4 1 -1 / 2 1/3 1/4 0 1 1/3 1/4 ) 0) 0) 1)
. . df(k1) ( 1/( k 1)
. .
Polynomial
polynomial contrastes The first degree of freedom contains the linear effect orthogonaux. across all categories; the second degree of freedom, the quadratic effect; the third degree of freedom, the cubic; and so on, for the higher-order effects. You can specify the spacing between levels of the treatment measured by the given categorical variable. Equal spacing, which is the default if you omit the metric, can be specified as consecutive integers from 1 to k , where k is the number of categories. Si has three categories, the the variable drug
Rgression SPSS 17.0
subcommand /CONTRAST(DRUG)=POLYNOMIAL is the same as /CONTRAST(DRUG)=POLYNOMIAL(1,2,3) Equal spacing is not always necessary, however. For example, suppose that drug represents different dosages of a drug given to three groups. If the dosage administered to the second group is twice that given to the first group and the dosage administered to the third group is three times that given to the first group, the treatment categories are equally spaced, and an appropriate metric for this situation consists of consecutive integers: /CONTRAST(DRUG)=POLYNOMIAL(1,2,3)
Page 62 54 Annexe A If, however, the dosage administered to the second group is four times that given to the first group, and the dosage administered to the third group is seven times that given to the first group, an appropriate metric is /CONTRAST(DRUG)=POLYNOMIAL(1,4,7) In either case, the result of the contrast specification is that the first degree of freedom for drug contains the linear effect of the dosage levels and the second degree ofcontains the quadratic effect. freedom Polynomial contrasts are especially useful in tests of trends and for investigating the nature of response surfaces. You can also use polynomial contrasts to perform nonlinear curve fitting, such as curvilinear regression. Repeated Compares adjacent levels of an independent The general matrix form is
Rgression SPSS 17.0
variable. moyenne ( 1/ k (1 df(1) df(2) (0 . . df(k1) (0
1/ k -1 1 . . 0
1/ k0 -1
... ... ...
1/ k0 0
1/ k) ) 0 0)
...
1 )
where k is the number of categories for the independent variable. Par exemple,contrasts for an independent variable with four categories are as follows: repeated le ( 1/4 (1 (0 (0 1/4 -1 1 0 1/4 0 -1 1 1/4 ) 0) 0) 1 )
These contrasts are useful in profile analysis and wherever difference scores are needed.
Page 63 55 Categorical Variable Coding Schemes A user-defined Allows entry of special contrasts in the form of square matrices contrast. with as many rows and columns as there are categories of the given independent variable. et LOGLINEAR, the first row entered is always the mean, or MANOVA Pour constant, effect and represents the set of weights indicating how to average other independent variables, if any, over the given variable. Generally, this contrast is a vector of ones. The remaining rows of the matrix contain the special contrasts indicating the desired comparisons between categories of the variable. Usually, orthogonal contrasts are the
Spcial
Rgression SPSS 17.0
most useful. Orthogonal contrasts are statistically independent and are nonredundant. Contrasts are orthogonal if: For each row, contrast coefficients sum to 0. The products of corresponding coefficients for all pairs of disjoint rows also sum 0. For example, suppose that treatment has four levels and that you want to compare the various levels of treatment with each other. An appropriate special contrast is (1 (3 (0 (0 1 -1 2 0 1 -1 -1 1 1) 1 ) 1 ) 1 ) weights for mean calculation compare 1 r. avec 2nd through 4 e compare 2 nd with 3 e et 4 e compare 3 e with 4 e
which you specify by means of the following : LOGISTIC REGRESSION , Et COXREG /CONTRAST(TREATMNT)=SPECIAL( 1 1 1 1 3 -1 -1 -1 0 2 -1 -1 0 0 1 -1 ) PourLOGLINEAR, you need to specify:
subcommand for CONTRASTE
, MANOVA
/CONTRAST(TREATMNT)=BASIS SPECIAL( 1 1 1 1 3 -1 -1 -1 0 2 -1 -1 0 0 1 -1 )
Page 64 56 Annexe A Each row except the means row sums to 0. Products of each pair of disjoint rows sum to 0 as well: Rows 2 and 3: Rows 2 and 4: (3)(0) + (1)(2) + (1)(1) + (1)(1) = 0 (3)(0) + (1)(0) + (1)(1) + (1)(1) = 0
Rgression SPSS 17.0
Rows 3 and 4:
(0)(0) + (2)(0) + (1)(1) + (1)(1) = 0
The special contrasts need not be orthogonal. However, they must not be linear combinations of each other. If they are, the procedure reports the linear dependency and ceases processing. Helmert, difference, and polynomial contrasts are all orthogonal contrasts. Indicateur Indicator variable Also known as dummy coding, this is not available in coding. . The number of new variables coded is k LOGLINEAR ou MANOVA 1. Cases in 1 e category is coded reference category are coded 0 for all kthe variables. A case infor all indicator variables except the e , which is coded 1. 0 the i i
Page 65
Index
Rgression SPSS 17.0
asymptotic regression in Nonlinear Regression, 35 backward elimination in Logistic Regression, binary logistic regression, 6 1 categorical covariates, cell 8 probabilities tables in Multinomial Logistic Regression, cells with zero observations 18 in Multinomial Logistic Regression, classement 20 in Multinomial Logistic Regression, classification tables 13 in Multinomial Logistic Regression, confidence intervals 18 in Multinomial Logistic Regression, constant term 18 in Linear Regression, constrained regression 11 in Nonlinear Regression, contrastes 37 in Logistic Regression, convergence criterion 8 in Multinomial Logistic Regression, Cook's D 20 in Logistic Regression, correlation matrix 9 in Multinomial Logistic Regression, covariance matrix 18 in Multinomial Logistic Regression, covariates 18 in Logistic Regression, Cox and Snell R-square 8 in Multinomial Logistic Regression, custom models 18 in Multinomial Logistic Regression, 15
delta as correction for cells with zero observations, density model 20 in Nonlinear Regression, deviance function 35 for estimating dispersion scaling value, DfBeta 21 in Logistic Regression, dispersion scaling value 9 in Multinomial Logistic Regression, 21 fiducial confidence intervals in Probit Analysis, forward selection 28 in Logistic Regression, full factorial models 6 in Multinomial Logistic Regression, 15 Gauss model in Nonlinear Regression, Gompertz model 35 in Nonlinear Regression, goodness of fit 35 in Multinomial Logistic Regression, 18 Hosmer-Lemeshow goodness-of-fit statistic in Logistic Regression, 11 intercepter include or exclude, iteration history 15 in Multinomial Logistic Regression, itrations 20 in Logistic Regression, in Multinomial Logistic Regression, 11 in 20Probit Analysis, 28 Johnson-Schumacher model in Nonlinear Regression, 35 57
Rgression SPSS 17.0
Page 66 58 Index leverage values in Logistic Regression, likelihood ratio 9 for estimating dispersion scaling value, goodness of fit, 21 Rgression Linaire 18 Two-Stage Least-Squares Regression, weight estimation, 46 log-likelihood 42 in Multinomial Logistic Regression, in 18Weight Estimation, log-modified model 42 in Nonlinear Regression, Logistic Regression, 35 3 binary, categorical covariates, 1 classification cutoff, 8 coefficients, 11 command additional features, 3 constant term, 12 contrasts, 11 define selection rule, 8 display options, 6 example, 11 Hosmer-Lemeshow goodness-of-fit statistic, 3 influence measures, 11 iterations, 9 predicted values, 11 probability for stepwise, 9 residuals, 11 saving new variables, 9 set 9 rule, statistics, 6 statistics and plots, 3 string covariates, 11 variable selection methods, 8 6 main-effects models in Multinomial Logistic Regression, McFadden R-square 15 in Multinomial Logistic Regression, Metcherlich law of diminishing returns 18 in Nonlinear Regression, Michaelis Menten model 35 Morgan-Mercer-Florin model in Nonlinear Regression, Multinomial Logistic Regression, 35 13 command additional features, , 18 criteria, 24 exporting model information, 20 models, 23 reference category, 15 save, 17 statistics, 23 18 Nagelkerke R-square in Multinomial Logistic Regression, nonlinear models 18 in Nonlinear Regression, Nonlinear Regression, 35 31 bootstrap estimates, command additional features, 39 common nonlinear models, 40 conditional logic, 35 derivatives, 33 estimation methods, 38 example, 39 interpretation of results, 31 Levenberg-Marquardt algorithm, 40 loss 39 function, parameter constraints, 36 parameters, 37 predicted values, 34 residuals, 38 save 38 new variables, segmented model, 38 sequential quadratic programming, 33 starting values, 39 statistics, 34 31 parallelism test in Probit Analysis, parameter constraints 28 in Nonlinear Regression, parameter estimates 37 in Multinomial Logistic Regression, Peal-Reed model 18
Rgression SPSS 17.0
in Nonlinear Regression, 35
in Nonlinear Regression, 35
Page 67 59 Index Pearson chi-square for estimating dispersion scaling value, goodness of fit, 21 Probit Analysis 18 command additional features, criteria, 29 define range, 28 example, 28 fiducial confidence intervals, 25 iterations, 28 natural response rate, 28 parallelism test, 28 relative median potency, 28 statistics, 28 25 , 28 ratio of cubics model in Nonlinear Regression, ratio of quadratics model 35 in Nonlinear Regression, reference category 35 in Multinomial Logistic Regression, relative median potency 17 in Probit Analysis, Richards model 28 in Nonlinear Regression, 35 sparation in Multinomial Logistic Regression, singularity 20 in Multinomial Logistic Regression, step-halving 20 in Multinomial Logistic Regression, stepwise selection 20 in Logistic Regression, in 6 Multinomial Logistic Regression, string covariates 15
Verhulst model in Nonlinear Regression, Von Bertalanffy model 35 in Nonlinear Regression, 35 Weibull model in Nonlinear Regression, Weight Estimation, 35 42 command additional features, display ANOVA and estimates, 45 example, 45 iteration history, 42 log-likelihood, 45 save 42 best weights as new variable, statistics, 45 42 yield density model in Nonlinear Regression, 35
Rgression SPSS 17.0
in Logistic Regression, 8 Two-Stage Least-Squares Regression, 46command additional features, covariance of parameters, 49 example, 48 instrumental variables, 46 saving new variables, 46 statistics, 48 46

Google Traduction

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Google Traduction

Transféré par

Droits d'auteur :

Formats disponibles

Rgression SPSS 17.

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (1 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

Rgression SPSS 17.0

Rgression SPSS 17.0

Table des matires

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (5 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

1 Choix d'une procdure de logistique binaire Rgression

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (6 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (7 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.googl...uals/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (8 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Choix d'une procdure pour Binary De rgression logistique

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (10 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

Rgression SPSS 17.0

Page 13 5 De rgression logistique

Figure 2-1 Rgression logistique bote de dialogue

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (13 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (15 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (16 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

Rgression SPSS 17.0

Available options are Cook's, Leverage values, and DfBeta(s).

Rgression SPSS 17.0

Page 19 11 De rgression logistique

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (20 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (22 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression logistique multinomiale

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (23 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (24 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Page 23 15 Rgression logistique multinomiale

Rgression SPSS 17.0

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (27 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (28 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

Rgression SPSS 17.0

Page 28 20 Chapitre 3 Critres de rgression logistique multinomiale Figure 3-5

Rgression SPSS 17.0

La rgression logistique multinomiale bote de dialogue Critres de convergence

Rgression SPSS 17.0

21 Rgression logistique multinomiale

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (32 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0

http://translate.googleusercontent.com/translate_c?hl=fr&rurl=translate.goog...als/SPSS%2520Regression%252017.0.pdf&usg=ALkJrhgFfu6jIvZD99v3X1ekLwc5ovjDYw (33 of 76)26/05/2011 23:29:46

Rgression SPSS 17.0