logistic วช ใหม่rlc.nrct.go.th/download/research_zone/phase14_4.pdf · uthaithip...
TRANSCRIPT
การวเคราะหการถดถอยพหโลจสตกส (Multiple logistic regression)
ผศ.ดร.อทยทพย เจยววรรธนกลภาควชาศกษาศาสตร คณะสงคมศาสตรและมนษยศาสตร
มหาวทยาลยมหดลเอกสารประกอบการบรรยาย Research Zone Phrase 14
วนท 7 เมษายน 2553 ณ ศนยการเรยนรทางการวจย สานกงานคณะกรรมการวจยแหงชาต (วช.) กรงเทพมหานคร
Uthaithip Jiawiwatkul / 2
Logistic Regression
• ใชศกษาความสมพนธระหวางตวแปรอสระกบตวแปรตาม(และ interaction ระหวางตวแปรอสระทมตอตวแปรตาม)
• พยากรณโอกาสทจะเกดเหตการณทสนใจ จากชดของตวแปรอสระทเหมาะสม
Uthaithip Jiawiwatkul / 3
Type of Logistic Regression• แบงตามจานวนตวแปร- Simple logistic regression
- Multiple logistic regression
• แบงตามระดบการวดของตวแปรตาม
- Binary logistic regression- Multinomial (Polytomous) logistic regression - Ordinal logistic regression
Uthaithip Jiawiwatkul / 4
Binary Logistic Regression
• ลกษณะของตวแปรทใชใน Binary Logistic Regression
- ตวแปรตาม (Y)dichotomous (binary) (เชน ปวย / ไมปวย)
- ตวแปรอสระ (X)continuous categorical (การนาเขาสมการตองแปลงใหเปนตวแปรหน)
Uthaithip Jiawiwatkul / 5
Assumptions
• คาคลาดเคลอน (error) เปนอสระตอกน(independent sampling)
• ไมมปญหา multicolinearity ระหวางตวแปรอสระ
Uthaithip Jiawiwatkul / 6
ตวอยางการศกษาทใช Logistic Regression
นกวจยตองการศกษาวาเวลาทใชในการทาขอสอบมความสมพนธกบผลการสอบของนกศกษาหรอไม
ตวแปรอสระ คอ เวลาทใชในการทาขอสอบ (นาท)
ตวแปรตาม คอ ผลของการสอบ (ผาน / ตก)(ผาน =1 ตก = 0 )
Uthaithip Jiawiwatkul / 750.949.749.147.746.844.944.039.938.032.922.718.29.3
เวลา(นาท)
169.2157.4142.0127.0118.8113.2111.3109.9108.6104.8
เวลา(นาท)
ผานผาน90.9ผาน72.3ตกผานตก90.0ตก71.2ตกผานผาน89.4ตก68.9ตกผานผาน86.0ผาน64.1ตกผานตก85.0ตก62.2ตกผานผาน80.6ตก61.7ตกผานตก79.1ผาน60.1ตก
ตก101.6ผาน75.3ตกผาน97.2ตก74.6ตกตก96.6ผาน73.2ผาน
ผานตก91.5ผาน73.0ตก
ผานผาน77.7ตก53.7ตกผานตก76.3ตก50.9ตก
ผลการสอบ ผลการสอบเวลา(นาท)ผลการสอบเวลา(นาท)ผลการสอบผลการสอบและเวลาทใชในทาขอสอบของนกศกษา (ขอมลดบ - hypothetical data)
ตวอยางการศกษาทใช Logistic Regression
Uthaithip Jiawiwatkul / 8
ตวอยางการศกษาทใช Logistic Regression
เวลาทใชในการ จานวน จานวน สดสวนของ ทาขอสอบ นศ. นศ.ทสอบผาน นศ.ทสอบผาน
(นาท)
ผลการสอบและเวลาทใชในทาขอสอบของนกศกษา (ขอมลทจดกลมแลว)
Uthaithip Jiawiwatkul / 9
เวลาทใชในการทาขอสอบ(นาท)
สดสวนของผทสอบผาน
ผาน
ตก
ความสมพนธระหวางเวลาทใชในการทาขอสอบกบผลการสอบของนกศกษา Uthaithip Jiawiwatkul / 10
OLS regression model ของความสมพนธระหวางเวลาทใชในการทาขอสอบกบผลการสอบ ซงโมเดลไมเหมาะสมกบลกษณะขอมล
เวลาทใชในการทาขอสอบ(นาท)
สดสวนของผทสอบผาน
Uthaithip Jiawiwatkul / 11
Logistic Curve for Predicted Probability (P)
x
x
βα
βα
+
+
+=
e1e P
เวลาทใชในการทาขอสอบ(นาท)
สดสวนของผทสอบผาน
Logistic regression model ของความสมพนธระหวางเวลาทใชในการทาขอสอบกบผลการสอบ ซงเปนโมเดลทเหมาะสมกบลกษณะขอมล
คา e = 2.71828
Uthaithip Jiawiwatkul / 12
Exponential function
เวลาทใชในการทาขอสอบ(นาท)
Odds ของ ผทสอบผาน
ความสมพนธระหวางเวลาทใชในการทาขอสอบกบ Odds ของการสอบผาน
e1
)( βxα+=−
=P
PPOdds
Odds คออตราสวนความนาจะเปนของการเกดเหตการณทศกษา (P) กบความนาจะเปนทจะไมเกดเหตการณทศกษา (1-P)
Uthaithip Jiawiwatkul / 13
Logit Transformation
βxα (P) odds log +=
เวลาทใชในการทาขอสอบ(นาท)
Log odds ของ ผทสอบผาน
ความสมพนธระหวางเวลาทใชในการทาขอสอบกบ Log odds ของการสอบผาน
Uthaithip Jiawiwatkul / 14
เวลาทใชในการทาขอสอบ
เวลาทใชในการทาขอสอบ
เวลาทใชในการทาขอสอบ
สดสวนของ ผทสอบผาน
Odds ของ ผทสอบผาน
Log odds ของ ผทสอบผาน
Uthaithip Jiawiwatkul / 15
Logistic Regression Equation 1) ความนาจะเปนของการเกดเหตการณ (P)
2) Odds ของการเกดเหตการณ : Odds of P e
P-1P βxα+=
log(odds of P ) = logit (P) =
βxαP1-
P log +=⎟⎠⎞
⎜⎝⎛
ε++ βxα
3) การแปลงใหเปนเสนตรง
βxα
βxα
e1eP +
+
+=
Uthaithip Jiawiwatkul / 16
Log odds (P) หรอ logit (P) = α + β 1 X1 + β 2 X2 +…..+ βk Xk + ε
Multiple Logistic Regression Model
เมอ P คอความนาจะเปนหรอโอกาสทจะเกดเหตการณทสนใจศกษาα คอสวนตดแกน Y (intercept) หรอ คาของ Y เมอ X เทากบ 0β k คอคาคงท หรอ ความชน (slope) ของเสนตรง แสดงถงอตราการ
เปลยนแปลงของ Y เมอ Xk เปลยนไป 1 หนวย โดยทตวแปรอสระX อนๆ คงท
ε คอความคลาดเคลอนของการพยากรณ
Uthaithip Jiawiwatkul / 17
การประมาณคาพารามเตอร
)]ˆ1ln()1()ˆln([1
iiiiN
iYYYY −−+∑=
=Log likelihood
การประมาณคาพารามเตอร ใชวธ Maximum likelihood
Uthaithip Jiawiwatkul / 18
การแปลผลคาสมประสทธถดถอย
การแปลผลจากคา coefficient (β) จะบอกทศทางและขนาด ความสมพนธ เหมอนใน linear regression
เครองหมายของ β แสดงทศทางของความสมพนธเครองหมาย + แสดงความสมพนธเชงบวก เครองหมาย - แสดงความสมพนธเชงลบ (ผกผน / ตรงขาม)ขนาดของ β บอกความมากนอยของความสมพนธ
Uthaithip Jiawiwatkul / 19
การประมาณคาพารามเตอรและการแปลผลจากตวอยาง ผลการวเคราะห คอ
Coefficient SE eβ time 0.059 0.018 1.061 Constant -4.641 1.383 111 X 0.059 4.641- Xβα odds(P) log +=+=
จากคา β แสดงถงความสมพนธเชงบวกระหวางเวลาในการทาขอสอบกบ ผลการสอบ
ซงการแปลผล logit model จะคอนขางยากตอการเขาใจ ตวอยางเชน
: เมอ x1 เทากบศนย log(odds) หรอ logit(P) = -4.641
: เมอ x1 เปลยนไป 1 หนวย log(odds) of P หรอ logit(P) เปลยนไป 0.059Uthaithip Jiawiwatkul / 20
การประมาณคาพารามเตอรและการแปลผล• การแปลผลจากคา Odd ratio (OR) จะงายตอการเขาใจมากกวา • Odd ratio (OR) คออตราการเปลยนแปลงของความนาจะเปนหรอโอกาส
ทจะเกดเหตการณทสนใจ เมอตวแปรอสระเปลยนไปหนงหนวยβα += eOdds xy /
αeOdds xy=
−/
คา Odds ของ y เมอ x มคา 1 หนวย :
คา Odds ของ y เมอ x มคาเทากบ 0 หนวย :
β log(OR)
e e eOR
=
==+
βα
βα
ดงนน คา Odd ratio (OR) จะเทากบ
β (OR)ln =หรอดงนน
Uthaithip Jiawiwatkul / 21
การแปลผลดวยคา Odds ratio
กรณคา OR < 1 นยมอานผลเปน รอยละการเปลยนแปลงของคา Odds คานวณจาก (Odds ratio -1) *100
• Odds ratio >1 แสดงวาเมอ X เพมขน ทาใหโอกาสของการเกดเหตการณเพมขนเมอ x เปลยนไป 1 หนวย โอกาสทจะเกดเหตการณทสนใจ จะเพมขน ........ เทา เมอ เทยบกบคาเดมของ x หรอ เพมขน ……% (คาสมประสทธถดถอย จะมคาเปนบวก)
• Odds ratio <1 แสดงวาเมอ X เพมขน ทาใหโอกาสของการเกดเหตการณลดลง เมอ X เปลยนไป 1 หนวย โอกาสทจะเกดเหตการณทสนใจ จะลดลง ......... เทา เมอเทยบกบคาเดมของ x หรอ ลดลง .......% (คาสมประสทธถดถอย จะมคาเปนลบ)
จงนยมใชคา Odds ratio (OR)หรอ Exp(B) หรอ eB ในการแปลผลถาคา Odds ratio = 1 แสดงวาการเปลยนแปลงของ X ไมมผลตอ y (และการทดสอบทางสถตจะพบวา คา 95% CI ครอม 1)
Uthaithip Jiawiwatkul / 22
ตวอยางการแปลผลดวยคา Odds ratio• จากตวอยาง Odds ratio = eβ = e0.059 = 1.061
: ถาคา OR มากกวา 1 เมอ x เปลยนไป 1 หนวย คา odds หรอโอกาสทจะเกดเหตการณ จะเพมขน 1.06 เทาเมอเทยบกบคาเดมของ x หรอเพมขน 6 %
หรอกลาวไดวา “เมอเวลาทใชในการทาขอสอบเพมขน 1 นาท โอกาสทนกศกษาจะสอบผานเพมขน 1.06 เทา หรอเพมขน 6%” [มาจาก (1.06-1)*100]
- ถาคานอย OR กวา 1 สมมตวามการเพมตวแปร x2 : จานวนครงทขาดเรยน เขาไปในสมการและพบวาคา Odds ratio ของตวแปรน = 0.15 แสดงวาเมอ X2 เปลยนไป 1 หนวย โอกาสทจะเกดเหตการณ จะลดลง 0.15 เทาเมอเทยบกบคาเดมของ x2 หรอ ลดลง 85 % หรอกลาวไดวา “เมอจานวนครงทขาดเรยนเพมขน 1 ครง โอกาสทนกศกษาจะสอบผานลดลง 0.15 เทา หรอลดลง 85%” [มาจาก(0.15-1)*100]
Uthaithip Jiawiwatkul / 23
การประมาณคาชวงความเชอมน
)SEZ(2e αβ±
=)SE 1.96(e ±= β
95 % CI for odds ratio
ประมาณคาชวงความเชอมนของคา coefficients ไดจาก
95 % CI for β SEZ2
αβ ±=
SE96.1±= β
ประมาณคาชวงความเชอมน (Confidence Interval) ของ Odds ratio : OR ไดจาก
Uthaithip Jiawiwatkul / 24
การทดสอบ Goodness of Fit ของ Model
Hosmer Lemeshow Statistic TestHo : Model fit
คา Likelihood Estimation (MLE)- การเปรยบเทยบคา -2 log likelihood (-2LL หรอเรยก Deviance: D ) ของโมเดลท
มคานตากวา แสดงถงความเหมาะสมของโมเดลทดกวา คา Model chi-square หรอ model likelihood ratio (LR) หรอ G2
ใชในการทดสอบ overall model วาม นยสาคญทาง สถตหรอไม Ho : β1 = β2 = ...... = βk = 0
คานวณจาก -2 log likelihood ของ null หรอ initial model (โมเดลทไมมตวแปร อสระอยเลย) ลบดวย - 2 log likelihood ของ full model (โมเดลทมตวแปรอสระอย) คาทคานวณไดมการแจกแจงแบบ chi-square ทม degree of freedom (df) เทากบจานวนตวแปรอสระ
Uthaithip Jiawiwatkul / 25
การทดสอบ Goodness of Fit ของ Model
Pseudo R2 คลายคา R2 ใน Multiple regression คอคาของความ แปรปรวนของตวแปรตามทสามารถอธบายไดโดยตวแปรอสระ
ใน logistic regression มคาทจดวาเปน Pseudo R2 หลายคา - Cox & Snell- R2 - Nagelkerke- R2 - McFadden's-R2
Classification table แสดงการคานวณคาความนาจะเปนของการพยากรณ ของโมเดล (predictive efficiency) ถาคาความนาจะเปนมากกวาหรอเทากบ 0.5 คาดวาจะเกดเหตการณนน คาของ Percent correct prediction ทสง แสดงวาโมเดลนนมความแมนยาในการพยากรณด
Uthaithip Jiawiwatkul / 26
การทดสอบคาพารามเตอรในโมเดล
1) Wald statisticWald statistic = (b/SE)2
H0 : βk = 0
H1 : βk ≠ 0
Uthaithip Jiawiwatkul / 27
การทดสอบคาพารามเตอรในโมเดล2) Likelihood Ratio Test (LR) คานวณจาก
LR = -2 log likelihood ของ constrained model ลบดวย -2 log likelihood ของunconstrained model constrained model (restricted model) คอ โมเดลทมจานวนตวแปรอสระนอยกวา unconstrained model (non-restricted model) คอ โมเดลทมจานวนตวแปรอสระมากกวา
• คาทคานวณไดมการแจกแจงแบบ chi-square ทม degree of freedom (df) เทากบจานวนตวแปรอสระของทงสองโมเดลลบกน
• ถา P VALUE ของ chi-square ทไดจากการคานวณน < .05 (ระดบนยสาคญทตงไว) แสดงวา reject Ho คอโมเดลทมตวแปรอสระใหมทเพมเขาไปนน ดกวา model เดมทไมมตวแปรอสระตวนน
Uthaithip Jiawiwatkul / 28
สรปขนตอนการวเคราะหและแปลผล 1. การเลอกสมการทเหมาะสม โดยพจารณาจาก Goodness of Fit ของ model2. การทดสอบคาพารามเตอร โดยพจารณาจาก
- Walds Statistic- Likelihood Ratio Test
3. การแปลผลจากสมการทได : ตวแปรอสระใดบางทสมพนธกบตวแปรตาม: ระบทศทาง และขนาดของความสมพนธของตวแปรอสระทสมพนธกบตวแปร
ตามนน: สามารถหาคาความนาจะเปนหรอโอกาสของการเกดเหตการณทสนใจได เมอ
ทราบคณลกษณะตางๆ ของผนน (เมอทราบคา X สามารถพยากรณความนาจะเปนของ คา Y ได)
Uthaithip Jiawiwatkul / 29
ตวอยางท 1: การวเคราะห binary logistic regression
• นกวจยตองการทราบปจจยใดบางทมอทธพลตอการถกละเมดทางเพศของสตร จงทบทวนวรรณกรรม สรางแบบสอบถามและเกบขอมลจากกลมตวอยางทเปนผหญงจานวน 120 คน โดยถามถงประสบการณการถกละเมดทางเพศในรอบ 1 ปทผานมา, อาย, ลกษณะการทางาน, รสนยมในการแตงกาย และระดบการศกษา
Uthaithip Jiawiwatkul / 30
Categorical Variables Coding
ในกรณทตวแปรอสระเปนตวแปรเชงกลม (categorical data) การนาเขาสมการตองทาเปนตวแปรหน (dummy variables) และกาหนดชนทใชเปรยบเทยบ(reference category)
Categorical Variables Codings
47 1.000 .000
45 .000 1.000
28 .000 .000
primary andsecondary schobachelor degremaster anddoctoral degree
education ofrespondent
Frequency (1) (2)Parameter coding
Reference category
Uthaithip Jiawiwatkul / 31
Omnibus Tests of Model Coefficients
43.142 5 .00043.142 5 .00043.142 5 .000
StepBlockModel
Step 1Chi-square df Sig.
Model Summary
122.680 .302 .403Step1
-2 Loglikelihood
Cox & SnellR Square
Nagelkerke RSquare
Classification Table a
40 16 71.414 50 78.1
75.0
ObservedNoYes
experience ofsexual abuse
Overall Percentage
Step 1No Yes
experience of sexualabuse Percentage
Correct
Predicted
The cut value is .500a.
ผลการทดสอบ goodness of fit ของโมเดล
Hosmer and Lemeshow Test
18.435 8 .018Step1
Chi-square df Sig.
Uthaithip Jiawiwatkul / 32
Variables in the Equation
-.041 .020 4.319 1 .038 .9601.787 .459 15.150 1 .000 5.9721.195 .479 6.229 1 .013 3.305
4.194 2 .1231.178 .641 3.375 1 .066 3.2481.178 .624 3.567 1 .059 3.248
-1.219 .826 2.175 1 .140 .296
AGEWORKDRESSINGEDUEDU(1)EDU(2)Constant
Step1
a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: AGE, WORK, DRESSING, EDU.a.
- อาย ลกษณะการทางานและรสนยมในการแตงกายของผหญงมผลตอการถกละเมดทางเพศอยางมนยสาคญทางสถต ทระดบ 0.05 โดย - เมออายเพมขน 1 ป โอกาสถกละเมดทางเพศจะลดลง 4% (มาจาก 0.96-1*100)- ผหญงททางานในเวลากลางคน จะมความเสยงตอการถกละเมดทางเพศประมาณ 6 เทาเมอเปรยบเทยบกบผหญงททางานในเวลากลางวน - ผหญงทมชอบแตงตวเซกซ จะมโอกาสถกละเมดทางเพศสงกวาผหญงทแตงตวเรยบรอย 3 เทา
Uthaithip Jiawiwatkul / 33
การแปลผลเมอตวแปรอสระเปนตวแปรเชงกลม• ในกรณทตวแปรอสระเปน categorical data การนาเขาสมการตองทาเปนตว
แปรหน (dummy variable) และกาหนดชนทใชเปรยบเทยบ (reference หรอ baseline category )
• จานวนตวแปร dummy จะเทากบ จานวนชนของตวแปรนน – 1
• เชน หากตวแปรอสระ คอ ระดบระดบการศกษา (edu) ซงม 3 ระดบ ไดแก ปรญญาเอก,ปรญญาโท และปรญญาตร จะตองสรางตวแปร dummy ขนใหม เทากบ 3-1
• สามารถเลอกกาหนดชนสงสด หรอตาสดเปนชนเปรยบเทยบ Uthaithip Jiawiwatkul / 34
ตวอยางท 2: การแปลผลเมอตวแปรอสระเปนตวแปรเชงกลม
นกวจยตองการศกษาวาระดบการศกษา และอาย มความสมพนธกบการแตงงานของสตรหรอไมตวแปรตาม: การแตงงาน (แตงงาน/ไมแตงงาน)คอ แตงงาน (รหส 1) ไมแตงงาน (รหส 0)
ตวแปรอสระ: อาย วดเปนอายจรง (ป)ระดบการศกษา แบงเปน 3 ระดบ คอ ปรญญาตร ปรญญาโท ปรญญาเอก
Uthaithip Jiawiwatkul / 35
Model Summary
153.070 .281 .374Step1
-2 Loglikelihood
Cox & SnellR Square
Nagelkerke RSquare
Classification Table a
46 24 65.719 56 74.7
70.3
Observednot marrymarry
marital status
Overall Percentage
Step 1not marry marry
marital status PercentageCorrect
Predicted
The cut value is .500a.
Omnibus Tests of Model Coefficients
47.770 3 .00047.770 3 .00047.770 3 .000
StepBlockModel
Step 1Chi-square df Sig.
Hosmer and Lemeshow Test
6.700 7 .461Step1
Chi-square df Sig.
ผลการทดสอบ goodness of fit ของโมเดล
Uthaithip Jiawiwatkul / 36
Variables in the Equation
12.771 2 .0021.985 .556 12.769 1 .000 7.2811.151 .510 5.094 1 .024 3.162-.163 .032 26.317 1 .000 .8503.727 .971 14.748 1 .000 41.554
EDUEDU(1)EDU(2)AGEConstant
Step1
a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: EDU, AGE.a.
Categorical Variables Codings
49 1.000 .00064 .000 1.00032 .000 .000
bechelor degreemaster degreedoctoral degree
educationFrequency (1) (2)
Parameter coding
- โอกาสทจะแตงงานของสตรทจบปรญญาตร เทากบ 7.28 เทาเมอเปรยบเทยบกบสตรทจบปรญญาเอก ในขณะทโอกาสทจะแตงงานของสตรทจบปรญญาโท เทากบ 3.16 เทาเมอเปรยบเทยบกบสตรทจบปรญญาเอก
- เมออายเพมขน 1 ป โอกาสทจะแตงงานของสตรจะลดลง 0.85 เทา หรอลดลง 15 % ( มาจาก 0.85 -1 *100)
กลมอางอง
Uthaithip Jiawiwatkul / 37
Variables in the Equation
12.771 2 .002-.834 .465 3.221 1 .073 .434
-1.985 .556 12.769 1 .000 .137-.163 .032 26.317 1 .000 .8505.712 1.047 29.742 1 .000 302.535
EDUEDU(1)EDU(2)AGEConstant
Step1a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: EDU, AGE.a.
Categorical Variables Codings
49 .000 .00064 1.000 .00032 .000 1.000
bechelor degreemaster degreedoctoral degree
educationFrequency (1) (2)
Parameter coding
สตรทจบปรญญาโท มโอกาสทจะแตงงานนอยกวาสตรทจบปรญญาตร 57% [(0.43-1)*100] และสตรทจบปรญญาเอก มโอกาสทจะแตงงานนอยกวาสตรทจบปรญญาตร 86 % [(0.14-1)*100]
หากเปลยนกลมอางองใหม
Uthaithip Jiawiwatkul / 38
การพยากรณคาความนาจะเปนหรอโอกาสของ การเกดเหตการณทสนใจ
• เมอไดสมการณพยากรณ กสามารถทจะคานวณหาคาความนาจะเปนโอกาสของการเกดเหตการณทสนใจ (P)ไดจาก
n11
n11
xβxβα
xβxβα
n
n
.....
.....
e1e
++
++
+=P
Uthaithip Jiawiwatkul / 39
ตวอยางท 3: การพยากรณโอกาสของการเกดเหตการณทสนใจ
นกวจยตองการศกษาอทธพลของเพศและอายตอการใชสารเสพตด
x1 คอ ตวแปรเพศ (ชาย / หญง ) และ x2 คอ ตวแปรอาย (ป) และ Y คอการใชสารเสพตด (เสพ = 1 และไมเสพ = 0)
ผลจากการวเคราะหขอมลไดคา α = 0.5 และ βx1 =1.5 และ βx2 = -0.2ดงนน ถาตองการหาวานายสมศกด (X1=1) ทมอาย 15 ป (X2=15) จะมโอกาสเสยงตอการใชสารเสพตดเทาใด จะคานวณไดจาก
86.0e1
e0.2(15)1.5(1)0.5
0.2(15)1.5(1)0.5
=+
= −+
−+
Pแปลผล : นายสมศกด จะมโอกาสเสยงตอการใชสารเสพตด 86 %
Uthaithip Jiawiwatkul / 40
ตวอยางท 4 : การวเคราะหเปรยบเทยบระหวางโมเดล
• นกวจยตองการศกษาปจจยทมอทธพลตอการออมของวยผใหญตอนปลายและวยสงอายตอนตน
• จากการทบทวนวรรณกรรม พบวามปจจยทเกยวของ 2 กลม คอ ปจจยสวนบคคล คอ อาย เพศ และความพงพอใจในชวต และปจจยดานครวเรอน คอ รายไดของครวเรอน และจานวนบตรทอยอาศยในครวเรอนเดยวกน
Uthaithip Jiawiwatkul / 41
• ตวแปรตาม จานวนเงนออม (ออม รหส 1 / ไมไดออม รหส 0 )
• ตวแปรอสระModel ท 1 ประกอบดวยปจจยสวนบคคล
อาย (ป)เพศ (ชาย/หญง)ความพงพอใจชวต (สง / ตา)
Model ท 2 ประกอบดวยปจจยสวนบคคล และปจจยดานครวเรอนอาย (ป)เพศ (ชาย/หญง)
ความพงพอใจชวต (สง / ตา)รายไดครวเรอน (บาทตอเดอน)จานวนบตรทอยอาศยในครวเรอนเดยวกน (คน) Uthaithip Jiawiwatkul / 42
Model ท 1Omnibus Tests of Model Coefficients
100.804 3 .000100.804 3 .000100.804 3 .000
StepBlockModel
Step 1Chi-square df Sig.
Iteration History a,b,c
160.926 .624160.913 .645160.913 .646
Iteration123
Step0
-2 Loglikelihood Constant
Coefficients
Constant is included in the model.a.
Initial -2 Log Likelihood: 160.913b.
Estimation terminated at iteration number 3 becauseparameter estimates changed by less than .001.
c.
Model Summary
60.110 .554 .765Step1
-2 Loglikelihood
Cox & SnellR Square
Nagelkerke RSquare
การทดสอบ goodness of fit ดวย model chi-square (model likelihood ratio) คอ (-2LL null model) –(-2LL model ท 1) =160.913 - 60.110 = 100.804, df 3 ซงมนยสาคญทางสถต
Uthaithip Jiawiwatkul / 43
Hosmer and Lemeshow Test
5.006 7 .659Step1
Chi-square df Sig.
Model ท 1
Model ท 2
Hosmer and Lemeshow Test
10.050 8 .262Step1
Chi-square df Sig.
Uthaithip Jiawiwatkul / 44
Classification Table a
36 7 83.77 75 91.5
88.8
Observednot savesave
saving money
Overall Percentage
Step 1not save save
saving money PercentageCorrect
Predicted
The cut value is .500a.
Model ท 1
Model ท 2Classification Table a
38 5 88.44 78 95.1
92.8
Observednot savesave
saving money
Overall Percentage
Step 1not save save
saving money PercentageCorrect
Predicted
The cut value is .500a.
Uthaithip Jiawiwatkul / 45
Omnibus Tests of Model Coefficients
115.428 5 .000115.428 5 .000115.428 5 .000
StepBlockModel
Step 1Chi-square df Sig.
Model Summary
45.485 .603 .833Step1
-2 Loglikelihood
Cox & SnellR Square
Nagelkerke RSquare
Model ท 2
Likelihood ratio test = (-2LL constrained model คอ model ท 1) – (-2LL unconstrained model คอ model ท 2) = 60.110 - 45.485 = 14.625, df 2 มคา p-value = 0.0006 แสดงวาการเพมปจจยดานครวเรอนเขาไป ในโมเดลท 2 มนยสาคญสาคญทางสถต
model likelihood ratio คอ (-2LL null model) – (-2LL model ท 1) = 160.913 -45.485 = 115.428, df 5 ซงมนยสาคญทางสถต
Uthaithip Jiawiwatkul / 46
Variables in the Equation
.348 .076 20.896 1 .000 1.416
.191 .534 .128 1 .720 1.2112.001 .733 7.451 1 .006 7.396
-18.391 3.960 21.572 1 .000 .000
AGESEXLIFE_SATConstant
Step1
a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: AGE, SEX, LIFE_SAT.a.
Model ท 1
โมเดลท 1 ประกอบดวยปจจยสวนบคคล ซงมตวแปรทมนยสาคญสองตว คอ อาย (B = 0.348, OR = 1.416) และความพงพอใจในชวต ((B = 2.001, OR = 7.396) ซงมความสมพนธในทางบวกตอการออมของผสงอาย
Uthaithip Jiawiwatkul / 47
Variables in the Equation
.352 .092 14.574 1 .000 1.422
.084 .649 .017 1 .897 1.0881.999 .861 5.385 1 .020 7.382.000 .000 .223 1 .637 1.000
-1.139 .386 8.714 1 .003 .320-16.075 4.731 11.544 1 .001 .000
AGESEXLIFE_SATH_INCOMECHILDRENConstant
Step1
a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: AGE, SEX, LIFE_SAT, H_INCOME, CHILDREN.a.
Model ท 2
โมเดลท 2 ซงประกอบดวยปจจยสวนบคคลและปจจยครวเรอน มตวแปรทมอทธพลตอตอการออมของผสงอายอยางมนยสาคญทางสถต คอ อาย ความพงพอใจในชวตและจานวนบตรทอาศยอยในครวเรอนเดยวกน โดยทเมออายเพมขน 1 ป ผสงอายจะมการออมเพมขน 1.42 เทา และผสงอายทมความพงพอใจในชวตสง จะมการออมสงกวาผสงอายทมความพงพอใจในชวตตาถง 7.39 เทา และเมอจานวนบตรทอาศยอยในครวเรอนเพมขน 1 คน ผสงอายจะมการออมลดลง 68 % (0.32-1 * 100%)
Uthaithip Jiawiwatkul / 48
Multinomial Logistic Regression
• ลกษณะของตวแปรทใชใน Multinomial Logistic Regression
- ตวแปรตาม (Y) เปน categorical variables ทมคามากกวา 2 คา เชน การใชบรการคมกาเนด แบงเปน 3 วธ คอ แบบถาวร , แบบชวคราว และ แบบดงเดม
- ตวแปรอสระ (x)continuous categorical (การนาเขาสมการตองแปลงใหเปนตวแปรหน)
Uthaithip Jiawiwatkul / 49
Multinomial Logistic Regression
• การวเคราะหจะตองกาหนดคาของตวแปรตามคาหนงใหเปน baseline or reference category แลววเคราะหเปรยบเทยบระหวางคาทเหลอกบ base line category นน
• จานวนสมการ เทากบ (จานวนคาของตวแปรตาม -1 )
• Log [P(category i) / P(category j) ] = ai + bi1 x1 + …….+ bikx1k
Uthaithip Jiawiwatkul / 50
ตวอยางท 5: Multinomial Logistic Regression• นกวจยตองการศกษาความสมพนธระหวางการเรยนหนงสอของ
สตรกบการใชเลอกใชวธคมกาเนดของสตร -ซงมการนาตวแปรควบคมอนๆ เขามาวเคราะหรวมดวย แตในทน ขอยก ตวอยางเฉพาะตวแปรเดยว คอ การเรยนหนงสอของสตร (เรยน/ไมไดเรยน)
- ถากาหนดใหการคมกาเนดแบบดงเดม เปน baseline category จะไดสมการ logistic สองสมการ คอ
สมการท 1 log[ P(ถาวร) / P(ดงเดม)] = a1 + b11 (เรยนหนงสอ)
สมการท 2 log[ P(ชวคราว) / P(ดงเดม)] = a2 + b21 x (เรยนหนงสอ)
Uthaithip Jiawiwatkul / 51
Model Fitting Information
32.92716.166 16.761 2 .000
ModelIntercept OnlyFinal
-2 LogLikelihood Chi-Square df Sig.
คา chi-square ของการทดสอบมนยสาคญ สรปไดวาสมการพยากรณนมความเหมาะสม เพราะตวแปรอสระในสมการมความสมพนธกบการเลอกใชวธการคมกาเนด
Uthaithip Jiawiwatkul / 52
การแปลผลการวเคราะห Multinomial Logistic RegressionParameter Estimates
.758 .313 5.863 1 .015-1.505 .512 8.655 1 .003 .222 .081 .605
0b . . 0 . . . ..875 .307 8.115 1 .004
-2.028 .560 13.111 1 .000 .132 .044 .3940b . . 0 . . . .
Intercept[EDU=.00][EDU=1.00Intercept[EDU=.00][EDU=1.00
contraceptive meta
permanent
transient
B Std. Error Wald df Sig. Exp(B) Lower BoundUpper Bound
% Confidence Interval foExp(B)
The reference category is: traditional.a.
This parameter is set to zero because it is redundant.b.
odds ratio หรอ Exp(B) = 0.222 แปลผลไดวา สตรทเรยนหนงสอ จะเลอกใชวธคมกาเนดแบบถาวรนอยกวาแบบดงเดม 77.8 % ((0.222-1)*100)ของสตรทไมไดเรยนหนงสอ อยางมนยสาคญทางสถต
odds ratio หรอ Exp(B) = 0.132 แปลผลไดวา สตรทเรยนหนงสอ จะเลอกใชวธคมกาเนดแบบชวคราวนอยกวาแบบดงเดม 86.8 % ((0.132-1)*100) ของสตรทไมไดเรยนหนงสอ อยางมนยสาคญทางสถต
Uthaithip Jiawiwatkul / 53
ความแตกตางของการวเคราะห Multiple Linear Regression กบ Multiple Logistic Regression
Multiple linear regression- Y เปน continuous data- ประมาณคาดวย least squares
- ใช Global F-test - Incremental F-test- t-test- R 2
Multiple logistic regression- Y เปน categorical data- ประมาณคาดวย Maximum
likelihood- ใช Model chi-square- Likelihood Ratio Test - Wald statistic- Pseudo R 2