Logistische Regression: Neue Variablen speichern
Sie können die Ergebnisse der logistischen Regression als neue Variablen im aktiven Dataset speichern.
Vorhergesagte Werte Speichert vom Modell vorhergesagte Werte. Die verfügbaren Optionen sind "Wahrscheinlichkeiten" und "Gruppenzugehörigkeit".
- Wahrscheinlichkeiten. Speichert für jeden Fall die vorhergesagte Wahrscheinlichkeit des Ereignisses. In der Ausgabe zeigt eine Tabelle die Namen und Inhalte aller neuen Variablen an. Das "Ereignis" ist die Kategorie der abhängigen Variablen mit dem höheren Wert. Wenn die abhängige Variable beispielsweise die Werte 0 und 1 annimmt, wird die vorhergesagte Wahrscheinlichkeit von Kategorie 1 gespeichert.
- Vorhergesagte Gruppenzugehörigkeit. Die Gruppe mit der größten A-posteriori-Wahrscheinlichkeit, basierend auf Diskriminanzscores. Die Gruppe, der der Fall durch das Modell zugeordnet wird.
Einfluss. Speichert Werte aus Statistiken, die den Einfluss der Fälle auf vorhergesagte Werte messen. Die Optionen "Cook", "Hebelwerte" und "DfBeta" sind verfügbar.
- Cook. Das Analogon zur Einflussstatistik nach Cook in der logistischen Regression. Ein Maß dafür, wie stark sich die Residuen aller Fälle ändern würden, wenn ein spezieller Fall von der Berechnung der Regressionskoeffizienten ausgeschlossen würde.
- Hebelwert. Der relative Einfluss einer jeden Beobachtung auf die Anpassungsgüte eines Modells.
- DfBetas. Die Differenz im Beta-Wert entspricht der Änderung im Regressionskoeffizienten, die sich aus dem Ausschluss eines bestimmten Falls ergibt. Für jeden Term im Modell, einschließlich der Konstanten, wird ein Wert berechnet.
Residuen. Speichert die Residuen. Die Optionen "Nicht standardisiert", "Logit", "Studentisiert", "Standardisiert" und "Abweichung" sind verfügbar.
- Nicht Standardisierte Residuen. Die Differenz zwischen einem beobachteten Wert und dem durch das Modell vorhergesagten Wert.
- Logit-Residuum. Das Residuum für den auf einer Logit-Skala vorhergesagten Fall. Das Logit-Residuum ist das Residuum dividiert durch die vorhergesagte Wahrscheinlichkeit mal 1 minus der vorhergesagten Wahrscheinlichkeit.
- Studentisiertes Residuum. Die Änderung in der Modellabweichung bei Ausschluss eines Falles.
- Standardisierte Residuen. Der Quotient aus dem Residuum und einer Schätzung seiner Standardabweichung. Standardisierte Residuen, auch bekannt als Pearson-Residuen, haben einen Mittelwert von 0 und eine Standardabweichung von 1.
- Abweichung. Residuen basierend auf der Modellabweichung.
Modellinformationen in XML-Datei exportieren. Parameterschätzungen und (wahlweise) ihre Kovarianzen werden in die angegebene Datei exportiert. Anhand dieser Modelldatei können Sie die Modellinformationen zu Scoring-Zwecken auf andere Datendateien anwenden. Weitere Informationen finden Sie im Abschnitt Scoring-Assistent .
Speichern von neuen Variablen
Diese Funktion erfordert Custom Tables and Advanced Statistics.
- Wählen Sie in den Menüs Folgendes aus:
- Klicken Sie im Dialogfeld "Logistische Regression" auf Speichern.