Signifikanstest av koeffisienterVariables in the EquationB S.E. Wald df Sig. Exp(B)Step KJONN -1,536 ,113 184,516 1 ,000 ,2151 a UTDAAR ,184 ,018 109,956 1 ,000 1,202Constant -1,469 ,083 315,117 1 ,000 ,230a. Variable(s) entered on step 1: KJONN, UTDAAR.Også i logistisk <strong>regresjon</strong> får vi estimert standardfeil til koeffisienteneI logistisk <strong>regresjon</strong> er det korrekt å bruke z-verdier som kritiske verdier ihypotesetesting.z BSE bTestobservatoren er tilnærmet normalfordelt når utvalget er stort og effekten avvariabelen i populasjonen er null slik som antatt under H 0WALD z2 B SE b 2Denne testobservatoren er X 2 -fordelt med df=1 når utvalget er stort og effekten avvariabelen i populasjonen er null slik som antatt under H 0 . WALD er et alternativ til zved to-halet hypotesetesting. Kritisk verdi er 3.84Tester basert på z og WALD gir samme konklusjonVed små utvalg er ingen av disse testene pålitelige. Da har vi kun Likelihood Ratiotesten å holde oss til
Modelltest: Log LikelihoodIteration History a,b,c,dIterationStep 11 234a. Method: Enter-2 LogCoefficientslikelihood Constant KJONN UTDAAR2834,350 -1,177 -,806 ,1192739,661 -1,421 -1,330 ,1722734,327 -1,467 -1,518 ,1832734,293 -1,469 -1,536 ,184b. Constant is included in the model.c. Initial -2 Log Likelihood: 3101,241d. Estimation terminated at iteration number 4 becauselog-likelihood decreased by less than ,010 percent.I logistisk <strong>regresjon</strong> er estimeringsmetoden Maximum likelihood — estimering avmaksimal sannsynlighet. Gitt det settet av uavhengige variable vi velger ut tilanalysen, går beregningsmetoden ut på å finne de koeffisienter som gjør det mestsannsynlig å få de observerte y-veridiene 0 - 1. Dette skjer ved hjelp av en såkaltlikelihood funksjon: gjennom prøving og feiling — såkalt iterasjoner — er målet åkomme fram til de koeffisienter som maksimerer logaritmen til denne funksjonen: loglikelihood. Av tekniske grunner opererer man med et mål hvor Log Likelihoodmultipliseres med -2 — den såkalte -2LL-2LL tilsvarer SSE i OLS-basert <strong>regresjon</strong>. Det er altså et mål på feilterm/residualledd.En god modell er m.a.o. en modell med lav -2LL verdiI første iterasjon estimeres en -2LL for en modell uten variable. I eksempelet ovenforer denne startverdien beregnet til 3101.241.I de neste iterasjonene estimeres -2LL for den fulle modellen. Som vi ser er denbeste tilpasningen 2734.293 — med tilhørende konstantledd og koeffisienter forkjønn og utdanningReduksjonen i log likelihood er (3101.241 -2734.293) = 366.947Dette danner utgangspunkt for ulike tester av modellen