SPSS统计基础---Probit 分析

Probit 分析

此过程度量刺激的强度与对刺激显示出特定响应的个案比例之间的关系。如果您具有二分输出，并认为该输出受某些自变量级别的影响或是由其导致的，并且尤其适合实验数据，则此分析非常有用。使用此过程可以估计引致特定比例的响应所需的刺激强度，例如中位效应剂量。

示例。新型杀虫剂对于杀灭蚂蚁的有效性如何，适用浓度多大？可以执行一项实验，对蚂蚁样本施用不同浓度的杀虫剂，然后记录杀灭的蚂蚁数量以及被施用杀虫剂的蚂蚁数量。通过对这些数据应用Probit 分析，可以确定浓度和杀灭效力之间的关系紧密度，并且可以确定在希望确保杀灭一定比例（例如95%）的蚂蚁时杀虫剂的适当浓度。

统计量。回归系数和标准误、截距和标准误、Pearson 拟合优度卡方、观察的和期望的频率以及自变量有效级别的置信区间。

假设。观察值应是独立的。如果自变量值的数量与观察值的数量相比过多（在某项观察研究中可能遇到这样的情况），则卡方统计量和拟合优度统计量可能无效。

相关过程。Probit 分析与Logistic 回归紧密相关；实际上，如果选择Logit 转换，则此过程最终计算的是Logistic 回归。总的来说，Probit 分析适用于设计的实验，而Logistic 回归更适用于观察研究。输出中的差异反映了这些不同的侧重方面。Probit分析过程报告不同响应频率下有效值的估计值（包括中位效应剂量），而Logistic回归过程报告自变量几率比的估计值。

获取Probit 分析

从菜单中选择：

分析> 回归> Probit...

选择一个响应频率变量。此变量表示对检验刺激表现出响应的个案数。此变量的值不能为负。

选择观察变量总数。此变量表示应用刺激的个案数。此变量的值不能为负，并且不能少于每个个案的响应频率变量的值。根据需要，可以选择“因子”变量。如果选择此变量，请单击定义范围来定义组。

选择一个或多个协变量。此变量包含应用到每个观察的刺激级别。如果要转换协变量，请从“转换”下拉列表中选择一个转换。如果不应用任何转换，并且有一个控制组，则分析中将包含该控制组。

选择Probit 或Logit 模型。

Probit 模型. 对响应比例应用probit 转换（累积标准正态分布函数的逆函数）。

Logit 模型. 对响应比例应用logit（对数几率）转换。

Probit 分析：定义范围

在此对话框中可以指定将分析的因子变量的水平。因子水平必须编码为连续整数，过程将对指定范围中的所有水平进行分析。

Probit 分析：选项

统计量。允许您请求下列可选统计量：频率、相对中位数强度、平行检验以及信仰置信区间。

相关中位数力. 显示每对因子水平的中位数强度比。还显示每个相对中位数强度的95% 置信界限。如果您没有因子变量或具有多个协变量，则相关中位数力不可用。

平行检验. 对所有因子水平具有共同的斜率这一假设的检验。

信仰置信区间. 生成确定的响应概率所必需的代理用量的置信区间。

如果选择了多个协变量，则信仰置信区间和相对中位数强度不可用。只有在选择了因子变量的情况下，相对中位数强度和平行检验才可用。

自然响应频率。允许您指定自然响应频率，即使在没有刺激的情况下也可以。可用选项有“无”、“从数据中计算”和“值”。

从数据中计算. 根据样本数据估计自然响应频率。数据应包含代表控制级别的个案，而该级别的协变量值为0。Probit 使用该控制级别的响应比例来估计自然

响应率以作为初始值。

值. 在模型中设置自然响应率（当您预先知道自然响应率时，选择此项）。输入自然响应比例（该比例必须小于1）。例如，如果当激励为0 时响应在10% 的

时间里发生，则输入0.10。

标准。允许您控制迭代参数估计算法的参数。可以覆盖“最大迭代次数”、“步骤限制”和“最优性容差”的缺省值。