a következőkben bináris logisztikus regresszióval
TRANSCRIPT
-
8/16/2019 A Következőkben Bináris Logisztikus Regresszióval
1/2
A következőkben bináris logisztikus regresszióval, arra a kérdésre keres a választ,
hogy Természettudomány átlag, Matematika átlag, Probléma-megoldás átlag,
iákok viselkedése változók ala!"án be lehet-e "ósolni, hogy van-e otthon
nyugodt, #söndes hely ahol tanulhatnak$
%lemzés&
Dependent Variable Encoding
Original Value Internal Value
Tick 0
No Tick 1
Az első táblázaton az '"rakódolás eredményét láthat"uk, vagyis ebben az esetbena ()* "elentése& van +otthon #söndes, nyugodt hely ahol tanulhatsz és az (*
"elentése& nin#s+otthon #söndes, nyugodt hely ahol tanulhatsz
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1 Step 6!"" 1 00"
#lock 6!"" 1 00"
$odel 6!"" 1 ,009
Az omnibusz tesztből kiolvasható, hogy a modell szigni.káns +sig/),))0
Model Summary
Step -% &og likelihood
Co' ( Snell )
Square
Nagelkerke )
Square
1 "**!1"a 00! 011
a. +sti,ation ter,inated at iteration nu,er * ecausepara,eter esti,ates changed less than 001.
A Model Summary táblázat megmutatja nekünk, hogy Cox&Snell R négyzet 0,7 é! a
"agelkerke R "égyzet #,#$%z a két együtthat azt mutatja meg, hogy a modellbe bekerül'
két (üggetlen )áltoz a (ügg' )áltoz *+S#7-0./ 1ane otthon 2!3nde!, nyugodt hely, aholtanulhat!z45 )ar6an26ájának hány !zázalékát tudja megmagyarázn6$
-
8/16/2019 A Következőkben Bináris Logisztikus Regresszióval
2/2
Classification Tablea
Oser/ed
redicted
Van-e otthon csndes nugodt
hel ahol tanulhats23 ercentage
CorrectTick No Tick
Step 1 Van-e otthon csndes
nugodt hel ahol
tanulhats23
Tick !6" 0 1000
No Tick14" 0 0
O/erall ercentage 405
a. The cut /alue is 00
A klasszi.ká#iós táblázatban látható, hogy a modellben, 120 esetben a nyugodt
hellyel rendelkezők "ól lettek beazonos3tva$ A nyugodt hellyel nem rendelkezők!edig 40 helyes azonos3tás$
Variables in the Euation
# S.+. 7ald df Sig. +'p8#9
Step 1a ,ean:, -00% 001 6!16 1 010 ""4
Constant -%14 *60 %% 1 65 40*
a. Variale8s9 entered on step 1; ,ean:,.