多项逻辑回归中 Hessian 矩阵误差的意外奇点

机器算法验证 物流 spss 多项分布 分离
2022-04-11 10:59:01

我一直在使用 SPSS 19 进行多项逻辑回归分析。我在运行分析过程时遇到了以下问题:

“在 Hessian 矩阵中遇到了意外的奇点。这表明要么应该排除某些预测变量,要么应该合并某些类别。”

关于我使用的数据的一点背景。我有四个分类预测变量,每个都有两个级别,1 或 2。我的模型中的响应变量是一个三级分类变量。我使用最后一个级别作为参考类别。我尝试将截距的系数与两个 logit 中的四个预测变量的系数进行比较,以找出响应变量的哪个级别可能导致此问题。截距和三个预测变量之间系数的巨大差异表明它可能是有问题的参考类别。但是,我无法组合响应变量的水平(我的研究不允许这样做)。

我也试图一一排除预测变量,但仍然遇到同样的问题。

谁能告诉我我应该怎么做才能解决这个问题?

1个回答

我可以在加州大学洛杉矶分校的多项 Logistic 回归网站上找到您可能正在寻找的关键,其中指出:

完美预测:完美预测意味着只有一个预测变量值与一个响应变量值相关联。您可以从回归系数的输出中判断出问题所在。然后,您可以对结果变量和有问题的变量进行双向制表以确认这一点,然后在没有问题变量的情况下重新运行模型。

我建议为每个预测变量(与响应)运行一个双向表,以确定一个级别的响应是否仅在您的预测变量的一个级别上发生。