stata多元logistic回归结果解读
【原创版】
一、什么是多元 logistic 回归 
二、多元 logistic 回归的结果解读  stata怎么发音
  1.Odds ratio（风险比） 
  2.显著性水平（sig.） 
  3.系数估计 
  4.模型整体检验 
三、实例分析 
四、总结
正文
一、什么是多元 logistic 回归
多元 logistic 回归是一种用于分析多自变量与二分类因变量之间关系的统计模型。它可以帮助我们了解各个自变量对因变量的影响程度以及预测概率。在 Stata 中，我们可以使用 logistic 回归命令进行分析，例如：logit depvar ，其中 depvar 表示因变量，indepvar1、indepvar2 等表示自变量。
二、多元 logistic 回归的结果解读
1.Odds ratio（风险比）
Odds ratio（风险比）是一种衡量自变量对因变量影响程度的指标。它表示当某个自变量取某一值时，事件发生的概率与该自变量取另一值时事件发生概率的比值。在 Stata 结果中，我们可以看到每个自变量的 OR 值，正值表示该自变量与因变量正相关，负值表示负相关，接近 1 表示关系较弱。
2.显著性水平（sig.）
显著性水平是用来判断自变量对因变量影响是否显著的指标。在 Stata 结果中，我们可以看到每个自变量的 sig.值。一般而言，sig.值小于 0.05，我们认为该自变量对因变量的影响是显著的；sig.值大于等于 0.05，我们认为该自变量对因变量的影响不显著。
3.系数估计
系数估计表示自变量对因变量的影响程度。在 Stata 结果中，我们可以看到每个自变量的系数估计值。系数值越大，表示该自变量对因变量的影响越大；系数值越小，表示影响越小。
4.模型整体检验
模型整体检验可以帮助我们判断模型是否整体上显著。在 Stata 中，我们可以使用 logistic 命令进行模型整体检验，例如：logit depvar , test(1)。检验结果中，如果 p 值小于 0.05，说明模型整体上是显著的；如果 p 值大于等于 0.05，说明模型整体上不显著。
三、实例分析
假设我们有一个数据集，其中因变量（是否选择某种交通方式）和自变量（家庭收入、距离、时间）之间的关系。我们使用多元 logistic 回归进行分析，Stata 结果如下：
``` 
OR = 1.5 1.2 1.1 
sig.= 0.001 0.001 0.001 
```
根据结果，我们可以得出以下结论：
- 家庭收入对交通方式选择有显著影响，收入每增加 1 单位，选择某种交通方式的概率增加 1.5 倍； 
- 距离对交通方式选择有显著影响，距离每增加 1 单位，选择某种交通方式的概率增加 1.2 倍； 
-
时间对交通方式选择有显著影响，时间每增加 1 单位，选择某种交通方式的概率增加 1.1 倍。
同时，模型整体上是显著的，我们可以认为这个模型能够较好地解释因变量与自变量之间的关系。
四、总结
多元 logistic 回归是一种有效的分析多自变量与二分类因变量之间关系的方法。通过解读多元 logistic 回归的结果，我们可以了解各自变量对因变量的影响程度以及预测概率。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。