用新统计软件JASP尝试做logistic回归 / 开普饭

收集到某公司各个商户id，以及他们的注册时长、营业收入、成本数据，以及合作续约的情况，现在我们想尝试基于这样的数据创建商户续约预测模型。

简要分析一下，因变量是是否续约（0或1），可能的因素包括注册时长、营业收入、成本数据。

JASP分析过程

数据读取到JASP，打开菜单【regression】→【logistic regression】。

因变量与自变量设置如上图所示。

在【statistics】栏目中务必勾选输出【odds radios】，即计算OR值。其他参数暂时不用管它。跳过。

结果解读

JASP做logistic回归输出的结果，总体来说不如SPSS简要有序。

首先模型显著性检验，上表提供的指标蛮多，不过大家能普遍接受和熟知的也就是卡方检验。模型有统计学意义，至少有一个引入的因素变量有效果（χ²=336.172，P＜0.001）。

模型有效了，那么这个模型长什么样子呢？

上表即模型参数估计及检验表格。estimate列为各回归系数，据此写出模型表达式如下：

logit(P)=-2.287+0.099*注册时长+0.014*营业收入-0.187*成本

这个表达式中的各系数都有显著性吗？看wald检验p值，那我们发现三个因素对是否续约的影响有统计学意义（P＜0.001）。

这种显著影响，如何解读？举个例子，营业收入每增加一个单位，则商户继续续约的可能性增加1.4%，注册时长和营业收入均是继续续约的利好因子。相反地，我们发现成本是影响是否继续续约的不利因素。（基于OR值数据结果）。

从目的来讲，我们是希望做一个续约预测模型。现在这个模型有了，其预测能力如何呢？

在【statistics】栏目中勾选【confusion matrix】，我们看看分类预测的准确度如何。

JASP这个表格结果做得真不好，没有直接帮大家计算出预测准确度，我们用户还需要自己动手计算一下，麻烦。

预测不续约的准确率为54.7%

预测继续续约的准确率为83.7%

总体预测准确率73.1%

作为公司运营人员来说，我更看重的是预测预测不续约的准确率，因为我会提前跑去找商户沟通，想尽办法让商户继续合作。现在模型预测该方面的准确率是54.7%，说实话偏低啊，50%多一点的把握，和我扔硬币的概率差不多。

该模型可能导致我失去提前判断不续约商户并做出沟通的权益。所以模型的预测能力是有待继续提高的。

案例来源：

狄松等著《谁说菜鸟不会数据分析SPSS篇》

本文完

文/图=数据小兵

更多JASP统计文章

一款全新的统计软件：JASP

数据小兵坚持写博客已经12年

坚持写微信公号文章6年

坚持更新统计分析视频课程2年

坚持一对一答疑讨论2年
绝对超值：一对一答疑

欢迎加入SPSS、JASP视频课程

竭诚服务

用新统计软件JASP尝试做logistic回归