Multinomiale logistische Regression
Multinomiale logistische Regression bietet sich in Situationen an, in denen Sie Subjekte anhand von Variablen aus einem Set von Prädiktorvariablen klassifizieren möchten. Diese Art von Regression gleicht einer logistischen Regression, ist jedoch allgemeiner, da die abhängige Variable nicht auf zwei Kategorien beschränkt ist.
Beispiel. Filmstudios sind an Vorhersagen zu der Art von Filmen interessiert, die sich Kinogänger am wahrscheinlichsten ansehen, damit Filme besser vermarktet werden können. Mit einer multinomialen logistischen Regression kann bestimmt werden, zu welchem Grad das Alter, das Geschlecht und die Beziehungssituation einer Person den bevorzugten Filmtyp beeinflusst. Studios können die Werbekampagne für einen bestimmten Film dann auf die Zielgruppen ausrichten, die den Film wahrscheinlich sehen werden.
Statistik. Iterationsverlauf, Parameterkoeffizienten, asymptotische Kovarianz- und Korrelationsmatrizen, Likelihood-Quotienten-Tests für Modelleffekte und partielle Effekte, -2-Log-Likelihood. Pearson- und Abweichungs-Chi-Quadrat-Anpassungstests. R2 nach Cox und Snell, Nagelkerke und McFadden. Klassifikation: beobachtete Häufigkeiten gegenüber vorhergesagten Häufigkeiten nach Antwortkategorie. Kreuztabelle: beobachtete Häufigkeiten und vorhergesagte Häufigkeiten (mit Residuen) und Anteile nach Kovariatenstruktur und Antwortkategorie.
Methoden. Ein multinomiales Logit-Modell wird für das gesättigte Modell oder ein benutzerdefiniertes Modell angepasst. Die Parameterschätzung wird durch einen iterativen Maximum-Likelihood-Algorithmus durchgeführt.
Erläuterung der Daten für die Multinomiale logistische Regression
Daten. Die abhängige Variable sollte kategorial sein. Unabhängige Variablen können Faktoren oder Kovariaten sein. Im Allgemeinen sollten Faktoren kategoriale Variablen und Kovariaten stetige Variablen sein.
Annahmen. Es wird angenommen, dass das Odds-Verhältnis von zwei beliebigen Kategorien unabhängig von allen anderen Antwortkategorien ist. Wenn beispielsweise ein neues Produkt auf dem Markt eingeführt wird, besagt diese Annahme, dass die Marktanteile aller anderen Produkte proportional gleichermaßen verändert werden. Zusätzlich wird angenommen, dass die Antworten bei gegebener Kovariatenstruktur unabhängige multinomiale Variablen darstellen.
Berechnen einer multinomialen logistischen Regression
Diese Funktion erfordert Custom Tables and Advanced Statistics.
- Wählen Sie in den Menüs Folgendes aus:Hinweis: Die rot markierten Felder sind Pflichtfelder. Die Schaltflächen „Einfügen“ und „OK“ werden aktiviert, nachdem Sie gültige Werte in alle erforderlichen Felder eingegeben haben.
- Wählen Sie eine abhängige Variable aus.
- Faktoren sind optional und können sowohl numerisch als auch kategorial sein.
- Kovariaten sind optional, müssen jedoch, falls festgelegt, numerisch sein.
Mit dieser Prozedur wird NOMREG -Befehlssyntax eingefügt.