logistic regression

Document Sample
logistic regression Powered By Docstoc
					การวิเคราะห์ Logistic Regression




                                        ั
                       ดร.นาชัย ศุภฤกษ์ชยสกุล
                   สถาบันวิจยพฤติกรรมศาสตร์
                            ั
                   มหาวิทยาลัยศรีนครินทรวิโรฒ
                           หัวข้อการบรรยาย
           ้
• แนวคิดเบืองต้นของการวิเคราะห์ Logistic Regression
• ตัวอย่างงานวิจย ั
                ้
• การวิเคราะห์ดวยโปรแกรม SPSS
  – รายละเอียดเมนู
  – การอ่านแปลผล



                                                         ั
                                        ดร.นาชัย ศุภฤกษ์ชยสกุล
                               Logistic Regression
                             ่ี ั                 ่ ี
• การวิเคราะห์การถดถอยในกรณีทตวแปรตามเป็ นตัวแปรทีมการ
  วัดเป็ น Nominal Scale
  – ถ้าตัวแปรตามเป็ นตัวแปร Nominal Scale และแบ่งออกได้เพียงแค่
    2 กลุ่ม เรียกว่า Binomial Logistic Regression
  – ถ้าตัวแปรตามเป็ นตัวแปร Nominal Scale และแบ่งออกได้มากกว่า
    2 กลุ่ม เรียกว่า Multinomial Logistic Regression
  – ถ้าตัวแปรตามเป็ นตัวแปร Ordinal Scale เรียกว่า Ordinal Logistic
    Regression

                                                                   ั
                                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
                                 Logistic Regression
                ่
• ข้อได้เปรียบทีเหนือกว่า Discriminant Analysis ของ Logistic
                     ้       ้
  Regression คือ มีขอตกลงเบืองต้น (Assumptions) น้อยกว่า
   – ไม่มีข้อ ตกลงเบื้อ งต้น เกี่ย วกับ การแจกแจงโค้ง ปกติ (Normality)
     ของตัวแปรอิสระ
         ี ้
   – ไม่มขอตกลงเบื้องต้นเกี่ยวกับการกระจายของตัวแปรตามในแต่ละ
     ค่าของตัวแปรอิสระว่าจะต้องเท่ากัน (Homoscedasticity)




                                                                     ั
                                                    ดร.นาชัย ศุภฤกษ์ชยสกุล
                                 Regression Model




          ื                                                   ื
• b0 ก็คอ ค่า Intercept คือ จุดตัดแกน Y ของสมการถดถอย หรือ ก็คอค่า
  Y ในกรณีท่ี X = 0
            ื
• b1 ก็คอ ค่า Slope หรือความชันของเส้นสมการถดถอย หรือ ค่าทีบ่ง  ่
                   ่            ่      ่     ่
  บอกว่า Y จะเปลียนแปลงไปกีหน่วยเมือ X เปลียนแปลงไปหนึ่งหน่วย
        ื
• ei ก็คอ ค่าความคลาดเคลื่อนจากการทานาย

                                                                  ั
                                                 ดร.นาชัย ศุภฤกษ์ชยสกุล
Logistic Regression




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
Logistic Regression




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
Logistic Regression




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
                             Logistic Regression
           ่ี ั
• ในกรณีทตวแปรตามเป็ น Nominal Scale ไม่สามารถใช้การ
                         ่
  วิเคราะห์ Regression ทัวไปได้เพราะ
                                               ั ่
  – ค่าทานายของตัวแปรตามอาจเกินจากช่วงพิสยทีเป็ นจริง คือ 0-1
  – OLS Regression ใช้ในการทานายโดยสร้างสมการทานายทีเป็ น   ่
                         ั
    เส้นตรง แต่กรณีตวแปรตามเป็ น Nominal Scale ความสัมพันธ์จะ
    เป็ นเส้นโค้งรูปตัว S (Sigmoidal Function)
                       ้      ้
  – ละเมิดข้อตกลงเบืองต้นทัง Homoscedasticity และ Normality of
    Errors

                                                               ั
                                              ดร.นาชัย ศุภฤกษ์ชยสกุล
                  ้
        ข้อตกลงเบืองต้นของ Logistic Regression
•   Independent Observation
•   Multicollinearity
•   Specification Errors
•   Larger Sample Size
•   Perfect Prediction
•   Empty or Small Cells


                                                    ั
                                   ดร.นาชัย ศุภฤกษ์ชยสกุล
                         Logistic Regression Model
              ื
• Logistic ก็คอ Natural Log Odds




      • logit (pi) = log (odds) = 0 + 1X1

                                                          ั
                                         ดร.นาชัย ศุภฤกษ์ชยสกุล
              Logistic Regression Model

p
P ii                             (pi )

              Logit
            Transform

Predictor                 Predictor

                                            ั
                           ดร.นาชัย ศุภฤกษ์ชยสกุล
                   Logistic Regression Model
                  0  1 x1   2 x2 ...
          e
 ( x)         0  1 x1   2 x2 ...
         1 e
            bx
          e
       
         1 e  bx

            1
              bx
         1 e
                                                              ั
                                             ดร.นาชัย ศุภฤกษ์ชยสกุล
                            Estimating Logistic Model
                                           ่ ่
• แตกต่างจากการวิเคราะห์ Regression ทัวไปทีใช้การประมาณค่า
  แบบ Ordinal Least Square (OLS) แต่สาหรับ Logistic
                 ิี
  Regression ใช้วธประมาณค่าแบบ Maximum Likelihood (ML)
     ี                 ิี                                  ่
• วิธประมาณค่า ML ใช้วธการคานวณซ้าๆ (Iteration) โดยเริมต้นจาก
  การประมาณค่าสัมประสิทธิในสมการ Logistic เพื่อให้สามารถแก้
                           ์
  สมการได้ แล้ ว พิจ ารณาผลการท านายเพื่อ น ามาประมาณค่ า
                  ่ี                                    ่
  สัมประสิทธิใหม่ทจะทาให้เกิดความน่ าจะเป็ นสูงสุดเพื่อทีจะสามารถ
             ์
  ทานายค่าของตัวแปรตามได้ถูกต้องใกล้เคียงกับข้อมูลจริงมากทีสด ุ่

                                                                  ั
                                                 ดร.นาชัย ศุภฤกษ์ชยสกุล
                             Estimating Logistic Model
• การวิเคราะห์ OLS Regression ประเมินคุณภาพของแบบจาลองหรือ
  สมการจากค่า Residual Sum of Squares
• แต่สาหรับ Logistic Regression ประเมินจากค่า Log-Likelihood (LL)
   ่               ั                 ่ ื ่                 ่
  ซึงเทียบเคียงได้กบค่า Residuals นันก็คอ ยิงค่า LL น้อย ยิงแสดงว่า
                         ่     ้
  สมการหรือแบบจาลองทีสร้างขึนมีคุณภาพหรือกลมกลืนกับข้อมูลดี
• เมื่อนาเอา LL คูณกับ -2 กลายเป็ น -2LL จะมีการแจกแจงแบบ Chi-
  Square หรือบางทีเรียกว่าค่า Deviance



                                                                   ั
                                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
Estimating Logistic Model




                              ั
             ดร.นาชัย ศุภฤกษ์ชยสกุล
                          Evaluating Logistic Model
• Likelihood Ratio Test




                                                        ั
                                       ดร.นาชัย ศุภฤกษ์ชยสกุล
                              Evaluating Logistic Model
• Omnibus Test of Model Coefficients
   – ใช้สถิติ Chi-Square ในการทดสอบว่าค่าสัมประสิทธิ ์ทุกค่าใน
     สมการ Logistic แตกต่างจาก 0 หรือไม่ เปรียบเหมือนกับสถิติ
     ทดสอบ F ในการวิเคราะห์ OLS Regression
• Pseudo R2
   – เนื่องจากใช้วธการประมาณค่าแบบ ML ดังนันจึงไม่มสถิติ R2 ที่
                    ิี                            ้       ี
     แท้จริง มีแต่สถิตท่สร้างขึนมาเพื่อเทียบเคียงกับ R2 ดังนันจึงเรียก
                       ิ ี    ้                              ้
     สถิตเหล่านี้วา Pseudo R2
           ิ      ่

                                                                     ั
                                                    ดร.นาชัย ศุภฤกษ์ชยสกุล
                                          Pseudo R2



• สถิติ Pseudo       R2 ถูกพัฒนาขึ้นจากแนวความคิดที่พยายาม
  เทียบเคียงกับการตีความค่า R2 ในการประมาณค่าแบบ OLS ดังนี้
   – R2 as explained variability
   – R2 as improvement from null model to fitted model
   – R2 as the square of the correlation


                                                                     ั
                                                    ดร.นาชัย ศุภฤกษ์ชยสกุล
                                         Pseudo R2
• Cox & Snell’s R2
   – ใช้สถิติท่พฒนาขึ้นจากแนวคิดที่ R2
               ี ั                            ื        ี
                                           ก็คอ สถิติท่บ่งบอกถึงความ
     กลมกลืน ของแบบจ าลองในแง่ ข องการเปรีย บเทีย บคุ ณ ภาพของ
                     ่  ้                ่ ่ี   ื
     แบบจาลองทีสร้างขึนกับแบบจาลองทีแย่ทสุดก็คอแบบจาลองว่าง (Null
                ่ ี ั
     Model) ทีไม่มตวแปรอิสระใดใด
        ้        ่ ่         ี     ่
   – มีขอเสียทีคาสูงสุดจะไม่มทางมีคาเต็ม 1




                                                                    ั
                                                   ดร.นาชัย ศุภฤกษ์ชยสกุล
                                       Pseudo R2
• Nagelkerke’s R2
   – เป็ นสถิตทนาเอา Cox & Snell’s R2 มาปรับเพื่อให้สถิตสามารถมี
               ิ ่ี                                      ิ
     ค่าสูงสุดเต็ม 1 ได้
          ้            ิ ่ี ั  ้          ่
   – ดังนันจึงเป็ นสถิตทพฒนาขึนจากแนวคิดทีการเปรียบเทียบแบบจาลอง
     ว่างเช่นเดียวกันกับ Cox & Snell’s R2




                                                                 ั
                                                ดร.นาชัย ศุภฤกษ์ชยสกุล
                                    Pseudo R2
• McFadden’s R2
   – เป็ นสถิตทพฒนาจากทังแนวคิด R2 ในความสามารถของแบบจาลองใน
              ิ ่ี ั     ้
     การอธิบายความแปรปรวนของตัวแปรตาม และแนวคิดความกลมกลืน
     ในมุมของการเปรียบเทียบกับแบบจาลองว่าง




                                                              ั
                                             ดร.นาชัย ศุภฤกษ์ชยสกุล
                           Evaluating Logistic Model
• Hosmer and Lemeshow Test
                                                           ่
  – ใช้สถิติ Chi-Square ในการทดสอบว่าแบบจาลอง Logistic ทีสร้าง
      ้ ้
    ขึนนันสามารถสร้างค่าทานายความน่าจะเป็ นของการเกิดเหตุการณ์
                                                             ่
    สอดคล้องกับความน่ าจะเป็ นของการเกิดเหตุการณ์จากข้อมูลทีเก็บ
    มาจริงได้หรือไม่
                            ี
  – ถ้าสถิติ Chi-Square ไม่มนัยสาคัญ แสดงว่าแบบจาลอง Logistic มี
    ความกลมกลืน



                                                                ั
                                               ดร.นาชัย ศุภฤกษ์ชยสกุล
                             Evaluating Logistic Model
• Residual Statistics
   – Standardized Residuals ตรวจสอบว่าไม่เกิน 5% ของกลุ่มตัวอย่าง
                                                       ่ ี ้
     มีค่าเกิน 2 และไม่เกิน 1% มีค่าเกิน 2.5 และรายใดทีมค่าตังแต่ 3
       ้
     ขึนไปน่าจะเป็ น outliers
• Influential Statistics
                                            ่ ี่
   – Cook’s Distance, DFBeta ไม่ควรมีรายใดทีมคาเกิน 1
                               ่ ี
   – Leverage ไม่ควรมีรายใดทีมค่าเกินกว่า expeceted คือ (k+1)/n
       ่
     เมือ k คือ จานวนตัวแปรอิสระ

                                                                   ั
                                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
                            Evaluating Logistic Model
• Residual and Influential Statistics




                                                          ั
                                         ดร.นาชัย ศุภฤกษ์ชยสกุล
                                          Evaluating Logistic Model
• Classification Table
   – เป็ นตารางที่แสดงผลการทานายการเกิดเหตุการณ์หรือความเป็ น
                                              ่      ้
     กลุ่มของกลุ่มตัวอย่างจากสมการ Logistic ทีสร้างขึนมา
                                                           a
                                       Clas sification Table

                                                                     Predicted

                                                               decision          Percentage
              Obs erved                                   stop       continue      Correc t
     Step 1   decision              stop                     140           47           74.9
                                    continue                   60          68           53.1
              Overall Perc entage                                                       66.0
       a. The cut value is .500




                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                              Evaluating Logistic Model
                                                          a
                                      Clas sification Table

                                                                    Predicted

                                                              decision          Percentage
             Obs erved                                   stop       continue      Correc t
    Step 1   decision              stop                     140           47           74.9
                                   continue                   60          68           53.1
             Overall Perc entage                                                       66.0
      a. The cut value is .500



                                                         ้
• Overall Percentage Correct ร้อยละของการทานายถูกโดยรวมทัง
  กรณีทเี่ กิดเหตุการณ์และไม่เกิดเหตุการณ์
• = (140+68)/315 = 66%


                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                              Evaluating Logistic Model
                                                          a
                                      Clas sification Table

                                                                    Predicted

                                                              decision          Percentage
             Obs erved                                   stop       continue      Correc t
    Step 1   decision              stop                     140           47           74.9
                                   continue                   60          68           53.1
             Overall Perc entage                                                       66.0
      a. The cut value is .500



• Sensitivity ร้อยละของการทานายการเกิดเหตุการณ์ถูก
• = 68/(60+68) = 53.1%



                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                              Evaluating Logistic Model
                                                          a
                                      Clas sification Table

                                                                    Predicted

                                                              decision          Percentage
             Obs erved                                   stop       continue      Correc t
    Step 1   decision              stop                     140           47           74.9
                                   continue                   60          68           53.1
             Overall Perc entage                                                       66.0
      a. The cut value is .500



• Specificity ร้อยละของการทานายการไม่เกิดเหตุการณ์ถูก
• = 140/(140+47) = 74.9%



                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                              Evaluating Logistic Model
                                                          a
                                      Clas sification Table

                                                                    Predicted

                                                              decision          Percentage
             Obs erved                                   stop       continue      Correc t
    Step 1   decision              stop                     140           47           74.9
                                   continue                   60          68           53.1
             Overall Perc entage                                                       66.0
      a. The cut value is .500



• False Positive ร้อยละของการทานายผิดว่าจะเกิดเหตุการณ์
• = 47/(47+68) = 41%



                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                              Evaluating Logistic Model
                                                          a
                                      Clas sification Table

                                                                    Predicted

                                                              decision          Percentage
             Obs erved                                   stop       continue      Correc t
    Step 1   decision              stop                     140           47           74.9
                                   continue                   60          68           53.1
             Overall Perc entage                                                       66.0
      a. The cut value is .500



• False Negative ร้อยละของการทานายผิดว่าจะไม่เกิดเหตุการณ์
• = 60/(140+60) = 30%



                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                               Interpreting Coefficients
                                      ่                         ่
• B หรือ Slope Coefficient เป็ นค่าทีบ่งบอกว่า ln(Odds) จะเปลียนไป
            ่                      ้ ่
  เท่าไร เมือค่าของตัวแปรอิสระ x นันเปลียนแปลงไปหนึ่งหน่วย
                                                             ่ ้ ่
• Exp(B) การนาเอาค่า B ไป antilog เพื่อให้แปลความหมายได้งายขึน ซึง
       ื                                              ่ ่
  ก็คอ Odds Ratio (OR) หรืออัตราส่วนระหว่าง Odds ทีเปลียนแปลงไป
                            ่
  เมื่อค่าของตัวแปรอิสระเปลียนแปลงไปหนึ่งหน่วย กับ Odds ของค่าตัว
                                                           ่ ้
  แปรอิสระเดิม ถ้าค่าเกิน 1 แสดงว่าเมื่อตัวแปรอิสระมีค่าเพิมขึน Odds
                      ่ ้
  ของเหตุการณ์จะเพิมขึนด้วย แต่ถ้าค่าต่ ากว่า 1 แสดงว่า เมื่อตัวแปร
           ่ ่ ้
  อิสระมีคาเพิมขึน Odds ของเหตุการณ์จะลดลง


                                                                    ั
                                                   ดร.นาชัย ศุภฤกษ์ชยสกุล
Interpreting Coefficients




                              ั
             ดร.นาชัย ศุภฤกษ์ชยสกุล
                                 Interpreting Coefficients




• แสดงว่า เพศมีค วามสัม พัน ธ์ต่ อ การแนะน าให้เ ข้า เรีย นเพื่อ แก้ไ ข
    ั      ่
  ปญหาเกียวกับการอ่าน
             ้                       ่   ั
• แสดงว่าผูชายจะมีความน่ าจะเป็ นทีจะได้รบการแนะนาให้เข้าเรียนฯ
      ่                 ั                             ้
  เมือเทียบกับการไม่ได้รบการแนะนา (Odds) สูงกว่าผูหญิง 2.33 เท่า


                                                                      ั
                                                     ดร.นาชัย ศุภฤกษ์ชยสกุล
                             Interpreting Coefficients
• Wald Statistics
            ิ ่ี
   – ค่าสถิตทใช้ทดสอบว่าค่าสัมประสิทธิ ์ B ในสมการ Logistic ว่า
                             ั
     แตกต่างจาก 0 อย่างมีนยสาคัญหรือไม่
        ้        ื             ่ี
   – มีขอเสียก็คอ ในบางกรณีทค่าสัมประสิทธิ ์ B มีค่าสูง ค่า SE มี
     แนวโน้มที่จะมีค่าสูงเกินจากความเป็ นจริงตามไปด้วย ส่งผลทาให้
                        ่
     ขาด Power และเพิมความคลาดเคลื่อนแบบ Type II




                                                                 ั
                                                ดร.นาชัย ศุภฤกษ์ชยสกุล
                                     ตัวอย่างงานวิจย
                                                   ั
Wuensch, K. L., & Poteat, G. M. (1998). Evaluating the morality of
  animal research: Effects of ethical ideology, gender, and
  purpose. Journal of Social Behavior and Personality, 13, 139-150.
• DV : 0 = Stop the reseach 1 = Continue the research
• IV : Gender, Idealism, Relativism, Research Scenario




                                                                   ั
                                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
ตัวอย่างงานวิจย
              ั




                         ั
        ดร.นาชัย ศุภฤกษ์ชยสกุล
การวิเคราะห์ด้วย SPSS




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
การวิเคราะห์ด้วย SPSS




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
การวิเคราะห์ด้วย SPSS




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
การวิเคราะห์ด้วย SPSS




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
การวิเคราะห์ด้วย SPSS




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
                                            การแปลผลการวิเคราะห์

                                                       a,b
                                   Clas sification Table

                                                                   Predicted

                                                            decision           Percentage
         Obs erved                                     stop       continue       Correc t
Step 0   decision              stop                       187             0          100.0
                               continue                   128             0               .0
         Overall Perc entage                                                          59.4
  a. Cons tant is included in the model.
  b. The cut value is .500




                                                                                      ั
                                                                     ดร.นาชัย ศุภฤกษ์ชยสกุล
                                         การแปลผลการวิเคราะห์
                             Variables in the Equation

                     B          S.E.      Wald           df       Sig.     Exp(B)
 Step 0   Constant   -.379        .115    10.919              1     .001      .684




• Null Model or Intercept only model
    – ln(odds) = -.379
    – Exp(B) = .684 มาจาก 128/187 = .684




                                                                                   ั
                                                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
                                    การแปลผลการวิเคราะห์
      Om nibus Tes ts of Mode l Coe fficients

                   Chi-s quare        df          Sig.
 Step 1   Step         25.653              1        .000
          Bloc k       25.653              1        .000
          Model        25.653              1        .000

                   Model Sum m ary

              -2 Log    Cox & Snell        Nagelkerke
   Step     likelihood   R Square           R Square
   1           399.913a       .078                .106
     a. Es timation terminated at iteration number 3 bec aus e
        parameter es timates c hanged by less than .001.

• -2LL of Null Model = 399.913 + 25.653 = 425.666
                                                                            ั
                                                           ดร.นาชัย ศุภฤกษ์ชยสกุล
                                               การแปลผลการวิเคราะห์
                          Categorical Variables Codings
                                                          Parameter
                                             Frequency      coding
                                                             (1)
                      gender    Female         200          .000
                                Male           115         1.000
                                Variables in the Equation

                        B           S.E.         Wald         df           Sig.     Ex p(B)
Step
 a     gender           1.217         .245       24.757               1      .000      3.376
1      Cons tant        -.847         .154       30.152               1      .000       .429
  a. Variable(s ) entered on step 1: gender.


         lnODDS   .847  1.217Gender
                                                                                           ั
                                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                            การแปลผลการวิเคราะห์

            Odds, Women
             .847  1.217 ( 0 )        .847
 ODDS  e                          e            0.429

• A woman is only .429 as likely to decide to
  continue the research as she is to decide
  to stop it.


                                                                 ั
                                                ดร.นาชัย ศุภฤกษ์ชยสกุล
                            การแปลผลการวิเคราะห์

            Odds, Women
             .847  1.217 ( 0 )        .847
 ODDS  e                          e            0.429

• A woman is only .429 as likely to decide to
  continue the research as she is to decide
  to stop it.


                                                                 ั
                                                ดร.นาชัย ศุภฤกษ์ชยสกุล
                          การแปลผลการวิเคราะห์

                 Odds, Men

               .847 1.217 (1)
  ODDS  e                        e   .37
                                              1.448


• A man is 1.448 times more likely to vote to
  continue the research than to stop the research.


                                                                 ั
                                                ดร.นาชัย ศุภฤกษ์ชยสกุล
                        การแปลผลการวิเคราะห์
                Odds Ratio
      male _ odds    1.448
                           3.376  e1.217
     female _ odds    .429

• 1.217 was the B (slope) for Gender, 3.376 is the
  Exp(B), that is, the exponentiated slope, the
  odds ratio.
• Men are 3.376 times more likely to vote to
  continue the research than are women.
                                                        ั
                                       ดร.นาชัย ศุภฤกษ์ชยสกุล
                        การแปลผลการวิเคราะห์
                Odds Ratio
      male _ odds    1.448
                           3.376  e1.217
     female _ odds    .429

• 1.217 was the B (slope) for Gender, 3.376 is the
  Exp(B), that is, the exponentiated slope, the
  odds ratio.
• Men are 3.376 times more likely to vote to
  continue the research than are women.
                                                        ั
                                       ดร.นาชัย ศุภฤกษ์ชยสกุล
                   การแปลผลการวิเคราะห์
  Convert Odds to Probabilities
• For our women,

       Yˆ  ODDS  0.429  0.30
           1  ODDS 1.429

• For our men,

       Yˆ  ODDS  1.448  0.59
           1  ODDS 2.448
                                                   ั
                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
                                   การแปลผลการวิเคราะห์
                   Hos me r and Lem e show Te st

            Step     Chi-s quare       df           Sig.
            1              8.810            8         .359

       Continge ncy Table for Hos m e r and Lem es how Tes t

                  decision = stop       decision = continue
               Obs erved Ex pected     Obs erved Ex pected      Total
Step   1              29      29.331           3       2.669         32
1      2              30      27.673           2       4.327         32
       3              28      25.669           4       6.331         32
       4              20      23.265          12       8.735         32
       5              22      20.693          10     11.307          32
       6              15      18.058          17     13.942          32
       7              15      15.830          17     16.170          32
       8              10      12.920          22     19.080          32
       9              12       9.319          20     22.681          32
       10              6       4.241          21     22.759          27

                                                                           ั
                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                    การแปลผลการวิเคราะห์
        Model 2: Decision =
    Idealism, Relativism, Gender
• Analyze, Regression, Binary Logistic
• Decision  Dependent
• Gender, Idealism, Relatvsm
  Covariate(s)



                                                  ั
                                 ดร.นาชัย ศุภฤกษ์ชยสกุล
                               การแปลผลการวิเคราะห์
   Comparing Nested Models
• With only intercept and gender,
   -2LL = 399.913.
• Adding idealism and relativism dropped
   -2LL to 346.503, a drop of 53.41.
• 2(2) = 399.913 – 346.503 = 53.41,
  p = .00000
                    Model Sum m ary

               -2 Log     Cox & Snell      Nagelkerke
     Step    likelihood    R Square         R Square
     1                  a
                346.503         .222              .300
       a. Es timation terminated at iteration number 4 bec aus e
          parameter es timates c hanged by less than .001.

                                                                           ั
                                                          ดร.นาชัย ศุภฤกษ์ชยสกุล
                                           การแปลผลการวิเคราะห์

                                    Classification Table 1
                                                                   Predicted

          Observed                                          decision           Percentage
                                                                                Correct
                                                     stop         continue
Step 1    decision             stop                  151            36           80.7
                               continue               55            73           57.0
          Overall Percentage                                                     71.1
1. The cut value is .500



                                                                                        ั
                                                                       ดร.นาชัย ศุภฤกษ์ชยสกุล
                                                                การแปลผลการวิเคราะห์

                                                     Variables in the Equation
                                                                                             95.0% C.I.for EXP(B)
                            B            S.E.           Wald       df        Sig.   Exp(B)
                                                                                              Lower       Upper
Step 11 gender(1)        1.171           .268          19.113      1         .000   3.225     1.908       5.452
        idealism         -.689           .112          38.194      1         .000    .502      .403        .625
        relatvsm          .343           .124          7.600       1         .006   1.409     1.104       1.799
        Constant         1.488           .979          2.311       1         .128   4.427
1. Variable(s) entered on step 1: gender, idealism, relatvsm.




                                                                                                          ั
                                                                                         ดร.นาชัย ศุภฤกษ์ชยสกุล
                     การแปลผลการวิเคราะห์
         Model 3: Decision =
Idealism, Relativism, Gender, Purpose
• Need 4 dummy variables to code the five
  purposes.
• Consider the Medical group a reference
  group.
• Dummy variables are: Cosmetic, Theory,
  Meat, Veterin.
• 0 = not in this group, 1 = in this group.
                                                   ั
                                  ดร.นาชัย ศุภฤกษ์ชยสกุล
                             การแปลผลการวิเคราะห์
          Omnibus Tests of Model Coefficients
                    Chi-square    df         Sig.
 Step 1     Step     87.506       7         .000
            Block    87.506       7         .000
            Model    87.506       7         .000


                    Model Summary
              -2 Log      Cox & Snell   Nagelkerke
Step
            likelihood     R Square      R Square
1            338.0601        .243          .327
1. Estimation terminated at iteration number 5 because
   parameter estimates changed by less than .001.
                                                                      ั
                                                     ดร.นาชัย ศุภฤกษ์ชยสกุล
                                 การแปลผลการวิเคราะห์
          Hosmer and Lemeshow Test
Step           Chi-square               df               Sig.
1                6.431                  8               .599

           Contingency Table for Hosmer and Lemeshow Test
                      decision = stop         decision = continue
                                                                     Total
                   Observed     Expected     Observed     Expected
 Step 1   1          30          29.815         2          2.185      32
          2          29          27.742         3          4.258      32
          3          29          25.732         3          6.268      32
          4          21          23.955        11          8.045      32
          5          19          21.143        13          10.857     32
          6          17          18.230        15          13.770     32
          7          17          15.595        15          16.405     32
          8          10          12.160        22          19.840     32
          9          10          8.944         22          23.056     32
          10          5          3.683         22          23.317     27

                                                                                      ั
                                                                     ดร.นาชัย ศุภฤกษ์ชยสกุล
                                                   การแปลผลการวิเคราะห์
                                        Classification Table 1
                                                                       Predicted

              Observed                                          decision           Percentage
                                                                                    Correct
                                                         stop         continue
    Step 1    decision             stop                  152            35           81.3
                                   continue               54            74           57.8
              Overall Percentage                                                     71.7
    1. The cut value is .500

•   Sensitivity = 74/128 = 58%
•   Specificity = 152/187 = 81%
•   False Positive Rate = 35/109 = 32%
•   False Negative Rate = 54/206 = 26%
                                                                                                    ั
                                                                                   ดร.นาชัย ศุภฤกษ์ชยสกุล
                                               การแปลผลการวิเคราะห์
                                  Variables in the Equation


                                                                             95.0% C.I.f or EXP(B)
                         B           Wald         df       Sig.   Ex p(B)     Low er        Upper
Step
 a      gender           1.255       20.586            1   .000    3.508        2.040         6.033
1       idealism         -.701       37.891            1   .000     .496         .397          .620
        relatvs m         .326        6.634            1   .010    1.386        1.081         1.777
        cosmetic         -.709        2.850            1   .091     .492         .216         1.121
        theory          -1.160        7.346            1   .007     .314         .136          .725
        meat             -.866        4.164            1   .041     .421         .183          .966
        veterin          -.542        1.751            1   .186     .581         .260         1.298
        Cons tant        2.279        4.867            1   .027    9.766
  a. Variable(s ) entered on step 1: gender, idealis m, relatvsm, cos metic , theory, meat, v eterin.




                                                                                             ั
                                                                            ดร.นาชัย ศุภฤกษ์ชยสกุล
การแปลผลการวิเคราะห์




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
การแปลผลการวิเคราะห์




                            ั
           ดร.นาชัย ศุภฤกษ์ชยสกุล
จบการบรรยาย




                           ั
          ดร.นาชัย ศุภฤกษ์ชยสกุล

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:882
posted:12/1/2011
language:Thai
pages:65