spss怎么分析多个因素对某一结果的影响程度

怎么分析多个因素对某一结果的影响程度
一般研究多个因素对某一结果的影响程度通常使用回归分析，常见的是线性回归和logit回归。
线性回归分析和logistic回归有什么区别呢？以下从数据类型、前提条件、分析和应用场景四个方面进行说明。
1.数据类型不同
线性回归要求因变量为定量变量而logistic回归要求因变量为分类变量，如果是二元logistic回归分析因变量要求是二分类变量，并且只能为0和1，比如是否购买，1代表是，2代表否，多分类logistic回归分析，因变量要求是分类变量且无序，比如“踢足球”、“打篮球”以及“打羽毛球”等等，有序logistic回归分析因变量要求是分类变量且有序，比如“不愿意”、“愿意”、“非常愿意”等等。
2.前提条件不同
线性回归要求因变量服从正态分布，但是logistic回归没有要求，并且线性回归要求自变量和因变量呈现线性关系，而logistic回归没有要求自变量和因变量呈线性关系。
3.分析关系不同
线性回归是分析整个因变脸与自变量之间的关系，但是logistic回归是分析因变量取某个值的概率与自变量之间的关系。比如二元logistic回归分析，最后分析因变量为1的概率与自变量之间的关系。
4.应用场景不同
线性回归分析和logistic回归分析因变量不同所以导致二者应用也不同，在实际生活中，线性回归一般用于数量统计方法的基础，常常用于对定量数据的预测，比如用于预测房价，logistic回归分析更适合预测分类问题，比如预测某件事情的发生，预测贷款是否违约等等，线性回归一般还可以解决线性问题，logistic回归可以解决非线性问题。
三、二者操作
线性回归分析
操作路径：通用方法→线性回归

Logistic回归分析
操作路径：进阶方法→二元logit/多分类logit/有序logit

温馨提示：答案为网友推荐，仅供参考

当前网址：https://verywind.cn/ee/3x2r7fx73vxjj3e2xe.html