A logisztikus regresszió megbecsüli egy bizonyos esemény (a függő változó) bekövetkezésének valószínűségét. A diszkriminanciaelemzés altervatívája. Alkalmazási előfeltételei sokkal kevésbé szigorúak, mint a diszkriminanciaelemzésé. Egy függő változó és kettő vagy több független változó közötti kapcsolat leírására szolgál. Általában a függő változó egy esemény. Az elemzés során azt vizsgáljuk, hogy ez az esemény bekövetkezik-e, vagy sem. Ehhez meg kell vizsgálnunk az összes olyan tényezőt, amely összefüggésbe hozható az eseménnyel. A logisztikus regressziót leggyakrabban egy esemény előrejelzésére használják.

Példa 1: A vállalatok egymásnak nyújtott hiteleinek kockázatát szeretnénk megvizsgálni.
Példa 2: Azt, hogy valaki drogfüggő vagy nem, milyen mértékben magyarázza a nem, a családi állapot, az életkor, a jövedelem, stb.

Az eljárás valószínűségi eloszláson alapuló számítást hajt végre. A függő változót logit változóvá kell transzformálni. A maximum likelihood becslést alkalmazzák a leggyakrabban. A likelihood ratio teszttel pedig megvizsgálható a modell mutatóinak alkalmassága. A végeredmény az esély-arány, azaz az odds ratio (OR). Ez két esély aránya – angolul: odds. Az esélyt külön-külön kiszámítja az SPSS program akkor, ha egy bizonyos feltétel fennáll, illetve nem áll fenn, és a két esély arányát adja meg.

Regression – Logistic és Regression – Probit: a regressziónak azon speciális estei, amikor a függőváltozó dichotóm, azaz csak két értéket vehet fel.

A logisztikus regresszió 2 típusa

  • 1. Bináris – a megfigyelt eseménynek csak két állapota van. Vagyis ha a megmagyarázni kívánt függő változónk kétértékű (dichotóm változó), a magyarázó, független változóink pedig mennyiségi vagy kategoriális változók. Az ábrázolás során a függő változó (bináris) kerül az y tengelyre.
  • 2. Multinomiális – más néven: polychotomus – a megfigyelt esemény több állapotú vagyis a függő változónak több mint két kimenete van.

Előfeltételei

  • A változók között nincs multikollinearitás.
  • A független változók lineárisan kell utaljanak a függő változóra.
  • NEM követeli meg a normális eloszlást.
  • NEM feltételez linearitást a függő és a független változók között.

Mikor használjuk?

Amikor közvetett hatásokat akarunk kimutatni.
Ha a diszkriminanciaanalízis előfeltételei nem teljesülnek, akkor választhatjuk a logisztikus regressziót, amely előbbinek az alternatívájaként alkalmazható.
Amikor egy eseményt szeretnénk előrejelezni.

SPSSABC © Minden jog fenntartva, 2019