SPSS多元逻辑回归

你好 我想问一下如果在SPSS里进行多元逻辑回归的时候，在拟合优度那一栏里面皮尔森的显著性值是1说明是百分百拟合还是什么意思啊

在SPSS中，如果多元逻辑回归分析中拟合优度栏中皮尔逊的显著性值为1，这通常表示模型完全拟合了数据。这意味着模型对已知数据的拟合程度很高，但可能不能很好地预测新数据。这可能是由于过度拟合或共线性问题造成的。因此，在这种情况下，需要重新考虑模型的结构，例如通过删除变量或使用正则化来避免过度拟合。

• 这篇文章：SPSS应用多元逻辑回归解决无序多分类问题 也许能够解决你的问题，你可以看下
• 除此之外, 这篇博客: 多元线性回归的spss应用中的 多元线性回归的spss应用 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 我们先从一元回归引入。
  对于一元的回归，方法选择哪一个都没有太大影响。
  
  第一个表格描述的是方程解释现实情况的程度，为84.8%，第二个表格则是方差分析，可以从最后一列推断出通过方差分析，唯一的自变量前的系数不为零，第三个表用于判断取标准化系数还是非标准化系数，如果常数项的检验值小于0.05则取非标准化系数(B)，否则取标准化系数（BETA）。

  接下来来到多元回归了，先选择方法中的进入。
  

  进入就是一开始让所有因素都进入方程，再在之后的检验中剔除，上图中第一个表只有一个模型，说明所有因素都通过偏检验了，所以没有变量被剔除了。
  现在改成向前。
  
  向前相当于一开始不加变量，逐步将变量加入到模型中。
  

  第一张表介绍了引入变量的步骤，第二张表介绍了两次引入变量生成的模型的解释功能，可以看到模型的判定系数从0.843提升到了0.875。
  第一张图直接看第二个式子，ANOVA分析用于验证这个问题适不适合用线性回归，只要通过了这个就可以继续，如果没有通过则之后的表都不用看了，这个问题得换一个模型了。
  在这里显然是通过了检验，我们往下看第二张表，由于第二个模型比第一个模型好，所以我们直接读第二个模型，在这里常数项被拒绝了，所以我们读标准化后的系数。
  再改成向向后。
  默认一开始所有变量均进入模型，如果某个变量偏检验不通过就把它剔除。
  
  从表一可以看出，没有变量被剔除，因此表一只有一行。

  紧接着改成逐步，它的意思就是一边进一边出，在实际的多元回归分析中，我们会更多地考虑这个方法。
  
  我们可以看到，两次有变量进入，但都没有变量没有通过偏检验被移除。
  
  在这里我们可以找到所有方法默认的变量进入与删除的余值，显然f<=0.05时可以进入，f>=0.1时必须删除。

  逐步分析的好处是迭代次数少，容易得到最终的结果。

  接下来看多元逻辑斯蒂回归模型：（我们这里用的方法是向前）
  
  在这里，由于月收入的偏检验未通过，所以它始终没有被加入到方程中。
  
  这是分类问题的混淆矩阵，用于检验用新模型进行预测，所得到的结果的准确性。以第一行为例，在实际用自行车的人中，有11个人被模型预测为用了自行车，有4个人被模型预测为用了公交车，因此预测的准确率为73.3%。
  the cut value is 0.5指的是以0.5作为概率的切分。
  
  这个表格还有一点特别有意思，就是wald可以用来对加入的变量的影响程度进行排序，比如在最终模型中，年龄的影响大于性别。
  
  最后是在操作中可能会遇到的三类基本问题。
  
  我们可以在数据分析时选中共线性诊断，最后的结果会出现这么一张表，看有没有tolerance小于0.1的：
  
  没有，继续找，
  elgenvalue属于特征根，看有没有特征根等于0，也没有。
  看Condition index，即条件指数，看有没有条件指数大于30的，貌似也没有。所以当前模型没有多重共线性。