1830
7. µ¦ª·
Á¦µ³®r
µ¦°¥¨°·
·
(Logistic Regression Analysis) Á¡ºÉ
°Äo
ĵ¦o
®µÂ¨³¡¥µ¦r
{
´
¥n
ª¦³¤µ¦¨µ¸É
n
¨n
°µ¦ºÊ
°µÂ¢¨ÊÎ
µ®´
Á¡ºÉ
°»
£µ¡ÊÎ
µ
°¼o
¦·
ãݵ
¨µ¦ª·
´
¥
®¨´
µµ¦ÁÈ
¦ª¦ª¤
o
°¤¼
¨ ¼o
ª·
´
¥Åo
Î
µµ¦ª·
Á¦µ³®r
o
°¤¼
¨o
ª¥Ã¦Â¦¤Î
µÁ¦È
¦¼
SPSS for
Windows ¤¸
¨µ¦«¹
¬µ ´
¸Ê
1.
o
°¤¼
¨o
µ¦³µ¦«µ¦r
¡ªn
µ ¼o
¦·
ãn
ªÄ®n
Á}
Á¡«®·
(¦o
°¥¨³ 79.14) ¤¸
°µ¥»
46-56 e
(¦o
°¥¨³ 55.21) ¦³Á£°µ¸
¡
o
µ¦µµ¦¦¼
(¦o
°¥¨³ 87.12) µ£µ¡¤¦ (¦o
°¥¨³69.33) µ¦«¹
¬µ°¥¼n
Ħ³´
¦·
µ¦¸
(¦o
°¥¨³ 65.64) ª·
¥µ³Î
µµµ¦ (¦o
°¥¨³ 60.12) ¦µ¥Åo
n
°Áº
° 30,001-35,000 µ (¦o
°¥¨³ 23.31)
¦µ¥n
µ¥n
°Áº
° 15,001-20,000 µ (¦o
°¥¨³ 22.09)
2.
o
°¤¼
¨Á¸É
¥ª´
¡§·
¦¦¤µ¦¦·
ãµÂ¢ ¡ªn
µ ¨»n
¤´
ª°¥n
µn
ªÄ®n
·
¥¤ºÉ
¤µÂ¢¦o
° (¦o
°¥¨³
65.03) ¦¼
¸É
·
¥¤º
°µÂ¢Â (¦o
°¥¨³ 38.04) ªµ¤¸É
ĵ¦ºÉ
¤µÂ¢ª´
¨³ 1 ¦´Ê
(¦o
°¥¨³ 74.23)
3.
o
°¤¼
¨Á¸É
¥ª´
¡§·
¦¦¤µ¦¦·
ãµÂ¢¨ÊÎ
µ®´
¡ªn
µ ¨»n
¤´
ª°¥n
µn
ªÄ®n
ºÉ
¤µÂ¢¨
ÊÎ
µ®´
缃
°µ°¥µ¨°Äo
(¦o
°¥¨³ 28.22) ¦·
¤µºÊ
° 1 ¨n
°n
°¦´Ê
(¦o
°¥¨³ 84.05) ªµ¤¸É
ĵ¦ºÉ
¤µÂ¢
¨Ê
Î
µ®´
ª´
¨³ 1 ¦´Ê
(¦o
°¥¨³ 80.37) ´
ªÁ°¤¸
°·
·
¡¨n
°µ¦Á¨º
°ºÊ
°µÂ¢¨ÊÎ
µ®´
(¦o
°¥¨³ 61.96) ºÉ
°¸É
¤¸
°·
·
¡¨n
°µ¦Á¨º
°ºÊ
°º
°Ã¦´
«r
(¦o
°¥¨³ 62.58) µ¦´
¦¦¤µ·
¸É
笼
°ºÊ
°º
°´É
ª
µª (¦o
°¥¨³ 40.49) ºÊ
°µÂ¢
¨ÊÎ
µ®´
µ®o
µ¦¦¡·
o
µ¤µ¸É
»
(¦o
°¥¨³ 60.12) ¨³ÁµÂ¢Ã¡¦Á ᦨ·
¤ º
°¥¸É
®o
°¸É
º
Ê
°¤µ¸É
»
(¦o
°¥¨³ 42.94)
4.
o
°¤¼
¨Á¸É
¥ª´
{
´
¥n
ª¦³¤µ¦¨µ¸É
n
¨n
°¡§·
¦¦¤µ¦¦·
ãµÂ¢¨ÊÎ
µ®´
Á¡ºÉ
°
»
£µ¡
°¦¼
¤¸
´Ê
®¤ 4 {
´
¥ ¦µ¥¨³Á°¸
¥Â´
µ¦µ¸É
1 ¨n
榧
° 5.1) o
µ¨·
£´
r
¤¸
ªµ¤Á®È
Ħ³´
¤µ Ã¥¸É
µ¦Åo
¦´
Á¦ºÉ
°®¤µ¥°r
µ¦°µ®µ¦Â¨³¥µ (¦o
°¥¨³ 4.11) ¤¸
ªµ¤³ªn
°µ¦¦´
¦³µ (¦o
°¥¨³
4.09) ¨³ºÉ
°Á¸
¥
°¨·
£´
r
(¦o
°¥¨³ 4.05) Áo
3 ¨Î
µ´
¦¸É
¤¸
ªµ¤Î
µ´
5.2) o
µ¦µµ ¤¸
ªµ¤Á®È
Ħ³´
¤µ Ã¥¸É
¦µµ°¥¼n
Ħ³´
¸É
Á®¤µ³¤ (¦o
°¥¨³ 4.11) ¤¸
µ¦Â¦µµ´
Á (¦o
°¥¨³ 3.86) ¨³¦µµ¤¸
ªµ¤»o
¤n
µ
Á¤ºÉ
°Á¦¸
¥Á¸
¥´
»
£µ¡Â¨³¦·
¤µ (¦o
°¥¨³ 3.70) 5.3) o
µn
°µµ¦´
Î
µ®n
µ¥ ¤¸
ªµ¤Á®È
Ħ³´
¤µ
Ã¥¸É
ªµ¤³ªÄµ¦ºÊ
° (¦o
°¥¨³ 3.99) ¤¸
¦o
µo
µ¸É
µ¥µÂ¢¨ÊÎ
µ®´
Á}
Î
µª¤µ (¦o
°¥¨³ 3.82) ¨³
¦o
µo
µ¤¸
·
o
µÁ¡¸
¥¡°Î
µ®¦´
µ¥ (¦o
°¥¨³ 3.75) ¨³ 5.4) o
µµ¦n
Á¦·
¤µ¦¨µ ¤¸
ªµ¤Á®È
Ħ³´
µ¨µ
Ã¥¸É
µ¦¦´
¦¼o
槐
°µ¦ (¦o
°¥¨³ 3.88) ¤¸
µ¦¨¦µµ (¦o
°¥¨³ 3.54) ¨³¤¸
·
¦¦¤n
Á¦·
¤µ¦
µ¥¤ÉÎ
µÁ¤°
(¦o
°¥¨³3.45)
5. Á¤ºÉ
°Î
µ{
´
¥n
ª¦³¤µ¦¨µ´Ê
4 o
µ ¤µo
®µ{
´
¥¸É
n
¨n
°µ¦¦·
ãµÂ¢¨ÊÎ
µ®´
n
°Å
°¦³µ¦ o
ª¥µ¦´
笼
°{
´
¥Â Backward ¡ªn
µ ¤¸
2 {
´
¥ ¸É
n
¨´
¨n
µª º
° ¦µµ (Âo
ª¥
P2) ¨³µ¦n
Á¦·
¤µ¦¨µ (Âo
ª¥ P4) Á¤ºÉ
° log(p/(1-p)) = 4.986 - 0.793P2 - 0.700P4 Ã¥¸É
p º
° ªµ¤n
µ³
Á}
¸É
¼o
¦·
㳺Ê
°ÊÎ
µÂ¨³µ¤µ¦Äo
¡¥µ¦r
µ¦¦·
ãÅo
°¥n
µ¤¸
´
¥Î
µ´
(Model Chi-Square = 44.489, p <
0.00 ; Nagelkerke R2 = 0.321) µ¤µ¦Î
µÂ¦¼
¸É
³¦·
ãµÂ¢¨ÊÎ
µ®´
n
°Å Åo
¼
o
°¦o
°¥¨³ 84.04 ¨³