Logistisk regresjon 2 - SIFO

More documents

Recommendations

Info

Likelihood Ratio testen 2 (LR-Test) Modell 1 (Block 1) Modell 2 (Block 2) Uavh variable: Kjønn Iteration History -2 Log Coefficients likelihood Iteration Constant KJONN Step 1 1 2924,337 -,803 -,882 2 2849,860 -,850 -1,422 3 2846,124 -,851 -1,593 4 2846,106 -,851 -1,606 a Method: Enter b Constant is included in the model. c Initial -2 Log Likelihood: 3101,241 d Estimation terminated at iteration number 4 because log-likelihood decreased by less than ,010 percent. Uavh. Variable: kjønn, utdanning Iteration History -2 Log Coefficients likelihood Iteration Constant KJONNUTDAAR Step 1 12834,350 -1,177 -,806 ,119 22739,661 -1,421 -1,330 ,172 32734,327 -1,467 -1,518 ,183 42734,293 -1,469 -1,536 ,184 a Method: Enter b Constant is included in the model. c Initial -2 Log Likelihood: 2846,106 d Estimation terminated at iteration number 4 because log-likelihood decreased by less than ,010 percent. Omnibus Tests of Model Coefficients Chisquare df Sig. Step 1 Step 255,135 1 ,000 Block 255,135 1 ,000 Model 255,135 1 ,000 Omnibus Tests of Model Coefficients Chisquare df Sig. Step 1 Step 111,812 1 ,000 Block 111,812 1 ,000 Model 366,947 2 ,000 Denne testen tester den trivariate modellen (kjønn, utdanning) opp mot den bivariate modellen (bare kjønn som uavhengig variabel). H 0 : Den nye variabelen vi har inkludert representerer ingen forbedring i forhold til vår tidligere modell med færre variable. I modellen med kun én uavhengig variabel er -2LL = 2846.106 I den trivariate analysen er -2LL = 2734.293 Differansen er 111.812 Df = 1 siden forskjellen på de to modellene er 1 variabel Kritisk verdi: 3.84 Konklusjon: Den fulle modellen gir et signifikant forklaringsbidrag i forhold til en modell med bare én uavhengig
Hosmer & Lameshow Goodness of Fit Test Test fra den trivariate modellen: Hosmer and Lemeshow Test Step 1 Chi-square df Sig. 7,855 6 ,249 Step 1 1 2 3 4 5 6 7 8 Contingency Table for Hosmer and Lemeshow Test Arbeidstidskategorier = ,00 Normal (= 41) Observed Expected Observed Expected Total 265 258,212 6 12,788 271 482 485,121 32 28,879 514 256 258,744 25 22,256 281 298 297,855 44 44,145 342 236 235,305 54 54,695 290 266 277,311 88 76,689 354 450 437,988 163 175,012 613 246 248,451 205 202,549 451 Selv om vi har fått signifikante resultater betyr ikke det at vi har en god modell. En modell kan treffe godt i noen områder av dataene og dårlig i andre deler. Framfor alt forutsetter logistisk <strong>regresjon</strong> at sammenhengene mellom avhengig og uavhengige variable kan beskrives med en logistisk s-kurve. Dette tilsvarer forutsetningen om linearitet i OLS-<strong>regresjon</strong>. Hosmer & Lameshow-testen går ut på å undersøke akkurat dette: hvorvidt det er et akseptabelt eller for stort avvik mellom predikerte utfall og observerte verdier. Hvis avviket er for stort har vi en dårlig modell, dvs. en analyse som ikke oppfyller nevnte forutsetning. I tabellen ovenfor er materialet delt inn i 8 grupper. I hver av dem sammenliknes observerte og predikerte utfall på avhengig variabel. Generelt ser vi at modellen predikerer bedre for Y=0 enn Y=1. Likevel ser avvikene ut til å være beskjedne. H & L gir oss en kjikvadrattest på avvikene: H 0 : Avvikene mellom observerte og predikerte utfall skyldes tilfeldigheter H 1 : Det er et systematisk avvik mellom observerte og predikerte utfall I denne testen ønsker vi egentlig et ikke-signifikant resultat, for i så fall har vi støtte for modellen vår. Den aktuelle testen viser at gitt at H 0 er sann er det 24.9 % sjanse for å få et kjikvadrat på 7.855 eller høyere. H 0 kan m.a.o. ikke forkastes.
Page 1 and 2: Logistisk regresjon 2 SPSS Utskrift
Page 3 and 4: Grafisk framstilling 2 Velg Graph l
Page 5 and 6: Modelltest: Log Likelihood Iteratio
Page 7: Likelihood Ratio testen 1 (LR-test)

Logistisk regresjon 2 - SIFO

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?