SPSS 命令: SPSS LOGLINEAR
使用自定义设计的对数线性与 logit 模型
旧版 LOGLINEAR 命令可按你指定的任意设计对交叉表拟合对数线性与 logit 模型。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 在你的设备上运行它，提供偏差对比、拟合优度检验、标准化与调整残差，logit 模型另有 Haberman 离散分析。
- 所选效应集合能否再现该表（似然比与 Pearson 卡方）。
- 每个效应的偏差对比参数及其标准误和置信区间。
- 对 logit 模型，用熵与集中度测度衡量因子解释了响应离散的多少。
适用场景
适合使用
- 需要特定的非分层或自定义设计，而不是 K 阶搜索。
- 以 logit 模型用分类因子解释分类响应，并需要离散测度。
改用其他方法
- 需要自动向后剔除：请使用分层对数线性分析。
- 预测变量为连续变量：请使用多项 logistic 回归。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。文件只在浏览器中读取，不会上传。
- 02
选择对数线性与 logit 模型（旧版）
在“一般线性模型”组中选择“对数线性与 logit 模型（旧版）”。
- 03
选择变量
选择“因变量（logit 模型）”或“无（一般对数线性模型）”，并勾选“因子”或“变量”。
- 04
指定设计
保留“饱和设计”，或取消勾选后输入“设计效应”，以逗号分隔，交互作用用 BY 或 *。
- 05
运行
点击“运行”，查看拟合优度、参数、残差与离散表。
输出表格说明
- 拟合优度检验
- 似然比与 Pearson 卡方，自由度为 I(J − 1) − p。
- 参数估计
- 偏差对比估计：每个参数将一个类别与各类别的平均相比较。
- 离散分析
- 由模型、残差导致的熵与集中度离散及总离散，以及关联测度和卡方检验。
前提假设与注意事项
- 在因子的每种组合内计数服从多项分布；饱和模型的每个单元格加 0.5。
- 为使卡方检验可靠，期望计数大多应大于 5。
结果如何验证
在 Docker 中运行的 R glm 泊松拟合（每种因子组合一个常数，偏差编码与 contr.sum 交叉核对）与估计值、标准误、拟合计数、调整残差和两种卡方的差异均在 1e-7 以内，Haberman 离散分析也在 1e-7 以内。 验证证据（英文）
常见问题
LOGLINEAR 与 GENLOG 有何不同？
LOGLINEAR 接受自由设计并报告偏差对比；GENLOG 提供饱和、二阶与主效应设计，参数以最后一个类别为冗余。两者都为 logit 模型报告离散分析。
为什么 logit 模型忽略了某些效应？
不含因变量的效应会被固定各因子组合总数的常数吸收，因此不含关于响应的信息。
结果会与 SPSS 每位小数都一致吗？
估计值迭代至完全收敛；SPSS LOGLINEAR 使用较宽松的默认收敛准则，因此末位数字可能略有差异。
熵与集中度测度表示什么？
它们是因子解释的响应离散所占的份额，相当于分类响应的 R²。
相关过程
用你自己的数据运行对数线性与 logit 模型（LOGLINEAR）
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。