Logistic Regression & ProbitRegression by SPSS
I. Logistic regression
A. Extension of multiple regression but the dv is categorical
B. Value being predicted represents a probability, and it varies between 0 and 1
C. Possible to use categorical ivs (dummy coded, but won’t here)
D. Key concept: logit
1. natural logarithm (ln) of the odds
2.
3. Therefore, prob success + ? + + + +
E. SPS
(2) Tobit Model: ln(월평균 사교육비)=f(.)
분석 논문의 Tobit Model에서는 표준화 계수의 영향력은 Probit Model에서 도출된 결과와 거의 동일한 결과는 보여준다. 즉 독립변수의 상대적인 영향력은 부모 학력>편입계획유무>강의태도>성별>고등학교 과외경험유무>수능백분위 성적 평균>대학생활만족도>중위권 대
..)
우리는 종속변수를 0 또는 1로 coding. (binary choice)
y의 예측값은 선택확률의 의미를 가지게 됨.
이 경우, 문제가 생긴다. (Linear Probability Model)
Heteroskedasticity: εi 의 분산이 일정하지 않아
“확률” 예측값이 0보다 작아지거나 1보다 커지는 선형모형의 한계
⇒A different type of regression model should be used.
통계적 유의성을 평가하였으며 상대위험도를 구하기 위하여 단변인 로지스틱회귀분석(Uni-variate logistic regression analysis)를 시행하였다. 단변인 분석에서 유의한 관계를 갖는 요인들을 대상으로, 각각의 변화량과 자살률변화량의 관계를 단순 선형 회귀분석(Simple-linear regression analysis)을 시행하여 자살에
분석하기 위해 SPSS 12.0 통계프로그램을 활용하였다. 조사대상자의 일반적인 인구사회학적 특성을 파악하기 위해 빈도와 백분율, 평균과 표준편차의 기술적 분석을 실시하였으며 지각된 취업 장벽이 취업에 미치는 영향을 파악하기 위해서 이항 로지스틱회귀분석(Logistic Regression)을 실시하였다.
IV.