京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS对数线性模型:模型选择
1、概念“模型选择对数线性分析”过程分析多阶交叉制表(列联表)。它使用成比例拟合的迭代算法将分层对数线性模型拟合到多维交叉制表。此过程可帮助您找出关联的分类变量。要构建模型,可以使用强制输入和向后去除方法。对于饱和模型,可以请求参数估计值和偏关联检验。饱和模型会为所有单元加上0.5。
2、示例。在研究两种洗涤剂中的一种的用户偏好时,研究人员统计了每组的人数、水的软硬度(软、中等或硬)的各种类别、其中一个品牌的上一次使用以及洗涤温度(冷或热)。他们发现了温度与水的软硬度以及品牌偏好的关系。
3、统计量。频率、残差、参数估计值、标准误、置信区间和偏关联检验。对于定制模型,则为残差图和正态概率图。
4、数据。因子变量是分类的。要分析的所有变量都必须是数值。开始进行模型选择分析前,可以将分类字符串变量重新编码为数值变量。避免指定具有多个水平的多个变量。这样的指定可能导致多个单元具有少量的观察值,卡方值可能没用。
5、相关过程。“模型选择”过程可帮助标识模型中需要的项。然后您就可以使用“一般对数线性分析”或“Logit对数线性分析”继续评估模型。可以使用“自动重新编码”重新编码字符串变量。如果数值变量具有空类别,则使用“重新编码”创建连续的整数值。
二、选项(分析-对数线性模型-模型选择-选项)
1、显示。您可以选择频率和/或残差。在饱和模型中,观察的和期望的频率相同,残差为0。
2、图。对于定制模型,可以选择两种类型的图中的一种或两种:残差和正态概率。这些可帮助确定模型与数据的拟合度。
3、显示饱和模型。对于饱和模型,可以选择参数估计值。参数估计值可帮助确定可从模型中删除哪一项。此外还有一个可用的关联表,其中列出了偏关联检验。对于具有多个因子的表,选择这个选项需要进行大量的计算。
4、模型标准。使用成比例拟合的迭代算法获取参数估计值。通过指定最大迭代次数、收敛或Delta(为饱和模型的所有单元频率添加的值)可覆盖一个或多个估计标准。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14