(三)思老与实践 思考：本章内容是实验研究数据分析的核心部分，地位十分重要 要让学生不仅熟悉理论，更要熟练操作，确保数据分析的准确性和可靠性。 实践环节：方差分析的SPSs操作 课后练习：P235-2371-8题 (四)教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第十一章Logistic回归 目的与要求 了解Logistic回归的原理和主要概念，熟悉Logistic回归分析的过程， 会解读Logistic回归分析的结果。 (二)教学内容 第一节一元Logistic回归分析 1、主要内容：一元Logistic回归分析的原理与计算 2、基本概念与知识点： 1)Logistic回归是处理因变量为分类变量的一种统计方法 2)一元Logistic回归模型 3)发生比(odds),定义为事件发生的概率P与事件不发生的概率1-P之 比，也称为成败比。 4)模型估计：ogistic回归不用最小二乘估计，而用极大似然估计。 5)回归系数的解释：发生比率>1时，发生比随X的增加而增加。 )模型检验：一2log-likelihood(缩写为一2LL),较小的一2L说明模型拟 合较好 7)回归系数的检验：通常使用Wald统计量对Logistic回归系数进行显著 性检验，称为Wald检验 8)伪测定系数：SPsS在Logistic回归估计结果中给出的是Cox&Snell R Square和Nagelkerke R Square.。前者是在似然函数值基础上模仿线性回归模型的 2来评价Logistic回归模型，但它的最大值往往小于1，解释时有困难。后者对 之做了调整，使得取值范围在0和1之间，比较容易解释。 第二节多元Logistic回归分析 1、主要内容：多元Logistic回归分析的原理与计算 2、基本概念与知识点： 1)多元Logistic回归模型 2)拟合优度检验：采用的是Hosmer-.Lemeshow拟合优度检验。如果P>a(如 ā=0.05)，表明摸型对数据的拟合可以接受。 3)自变量的选择：SPSS中提供了7种筛选自变量的方法：1种是强迫进入 （三） 思考与实践 思考：本章内容是实验研究数据分析的核心部分，地位十分重要， 要让学生不仅熟悉理论，更要熟练操作，确保数据分析的准确性和可靠性。 实践环节：方差分析的 SPSS 操作 课后练习：P235-237 1-8 题 （四） 教学方法与手段 本章教学主要采用课堂讲授、课堂讨论、实践操作等 第十一章 Logistic 回归 （一） 目的与要求 了解 Logistic 回归的原理和主要概念，熟悉 Logistic 回归分析的过程， 会解读 Logistic 回归分析的结果。 （二） 教学内容 第一节 一元 Logistic 回归分析 1、主要内容：一元 Logistic 回归分析的原理与计算 2、基本概念与知识点： 1）Logistic 回归是处理因变量为分类变量的一种统计方法 2）一元 Logistic 回归模型 3）发生比（odds），定义为事件发生的概率 P 与事件不发生的概率 1-P 之 比，也称为成败比。 4）模型估计：Logistic 回归不用最小二乘估计，而用极大似然估计。 5）回归系数的解释：发生比率>1 时，发生比随 X 的增加而增加。 6） 模型检验：－2log-likelihood（缩写为－2LL），较小的－2LL 说明模型拟 合较好。 7）回归系数的检验：通常使用 Wald 统计量对 Logistic 回归系数进行显著 性检验，称为 Wald 检验 8）伪测定系数：SPSS 在 Logistic 回归估计结果中给出的是 Cox & Snell R Square 和 Nagelkerke R Square。前者是在似然函数值基础上模仿线性回归模型的 R2 来评价 Logistic 回归模型，但它的最大值往往小于 1，解释时有困难。后者对 之做了调整，使得取值范围在 0 和 1 之间，比较容易解释。 第二节 多元 Logistic 回归分析 1、主要内容：多元 Logistic 回归分析的原理与计算 2、基本概念与知识点： 1）多元 Logistic 回归模型 2）拟合优度检验：采用的是 Hosmer-Lemeshow 拟合优度检验。如果 P>α(如 α=0.05)，表明模型对数据的拟合可以接受。 3）自变量的选择：SPSS 中提供了 7 种筛选自变量的方法：1 种是强迫进入