晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

當依變項為二元的類別變項時，若想作迴歸分析，此時不能再使用一般的線性迴歸，而應該要改用二元羅吉斯迴歸分析。

1.方程式很像原本的一般迴歸線性模式，不同點於現在的依變項變為事件發生機率的勝算比

2.因此現在的β需解釋為，當x每增加一單位時，事件發生的機率是不發生的exp(β)倍

3.為了方便結果的解釋與理解，一般來說我們會將依變項為0設為參照組（Event free）

（1）語法

1.設定原始資料集

現在要將我們的資料輸入到SAS裡，

DATA Model1是指設定一個叫做Model1的資料集

INFILE 'C:\APPENC11.txt'是指指定資料的路徑

2.變數X1與X2

由於變數X1與X2的數值較大，因此進行資料計算，皆除以1,000,000

DATA Model2是指設定一個叫做Model2的資料集

SET Model1 複製Model1資料集

X1=X1/1000000; 複製過程中將X1除以1,000,000

X2=X2/1000000; 複製過程中將X2除以1,000,000

2.執行逐步迴歸

PROC LOGISTIC是指執行羅吉斯迴歸分析

***Descending是指將Y=0設為參照組，如之前所述，結果較好解釋且易理解，若不放Descending，則會將Y=1設為參照組

Model Y=X1 X2 X3 X4 X5是指模式的依變項為Y，自變項為X1、X2、X3

（2）報表

1.模式聯合檢定

SPSS只提供LR卡方檢定，但SAS提供了LR、Score和Wald卡方檢定

由Output中的概似比檢定可知，LR χ²= 1.958 未達顯著，表示選取的自變項（X1,X2,X3）無法聯合預測Y，亦即無法從一個公司的「公司帳面價值」、「公司股份數」、「存在融資合併情形」預測一家公司是否存在投資基金

2.模式適配度

SPSS與SAS的模式適配度比較，其實SAS的左邊排數據為SPSS中Block0（只含截距項的模式），但在本文中不詳細列出，由SAS中的AIC及SC得知，加入自變項後，模式適配度反而變差了

3.迴歸係數

由SPSS與SAS的Output中皆可得到，未標準化迴歸係數、標準誤、華德卡方統計量、顯著性、OR值、OR值的95%信賴區間

其實由於模式的聯合檢定未達顯著，因此不需再看個別的迴歸係數了。