SPSSAU AI Agent来啦,还要不要学统计软件?

因变量： 职位2类别

自变量： 性别+ 年龄+ 少数族裔+ 教育水平（年）+ 经验（以月计）+ 雇佣时间（以月计）+ 起始薪金

构建二项logistic回归模型，输出预测概率，绘制DCA曲线。

分析目的要明确，这样方便它准确地去执行。并不是说，你把数据上传给它，然后让它自己去分析，看看能做什么。一定是我们有目标、有思路，要求它去执行获得结果。

所以，我们需要有一点统计基础，需要懂得我们要做什么样的研究，如果这方面没有基础的，推荐看《SPSSAU科研数据分析方法与应用》。

至少你要清楚，自己的因变量是谁，自变量是谁。

上面截图所示的命令下达后，AI Agent开始执行，耗时35秒，非常快就可以看到结果。

注意，这个结果是一整套，统计表、统计图、统计报告。

从快速探索数据分析来说，这是一个非常棒的体验，我们可以快速看到这批数据下，当前模型的表现。

我要求绘制的DCA决策曲线，

我们再提交新的命令，让其提供ROC曲线，区分度AUC看看。

继续。绘制roc曲线，并计算auc及其置信区间。提交命令即可。

不仅给出了AUC（0.995）及其置信区间，还给出了其他诊断指标，比如灵敏度、特异度等。

这是ROC曲线。

上面呢，我们主动命令AI去构建模型，并且进行了区分度AUC和决策曲线DCA的绘制，接下来，我们试一下这个Agent它自己有没有思考能力。

写命令：从预测模型的角度，继续补充其他统计图。

这个时候，要求Agent要按预测模型的标准来提供结果的输出。它提供的是校准曲线。显然Agent已经了解到前面我们已经构建了模型，并且进行区分度、DCA分析，缺的就是校准度结果。

这是它提供的校准曲线，似乎难以接受啊，很丑，或者是错的。那我们就需要继续向它提要求。

写新的命令：你刚才绘制的校准曲线，为什么那么丑。？

（3）校准曲线本质要求每个概率段都有足够样本才平滑，而本数据天然不具备这个条件。

因此建议：

（1）展示口径：改用等频 10 箱（每箱样本均等，最抗稀疏），但仍需在图注说明中段样本稀少。

（2）判读口径：对这类“极端预测”模型，校准指标比曲线更有说服力——校准截距 0.000、斜率 1.000、O:E=1.000、Brier=0.019，说明整体校准无偏，曲线“丑”只是低中概率段样本不足造成的视觉现象，而非模型失准。若要曲线更好看，只能从建模端入手（如降低模型复杂度、对预测概率做平滑、或改用更少分箱并附置信带），但会牺牲与原始模型的对应关系。

需要的话，我可以按等频 10 箱这一版更新 Word 报告中的校准曲线部分。

Agent分析的好像好不错。，咱们按它的建议绘制的校准曲线怎么样？

这个图明显更符合规范。也就是说，这个Agent它具有判断能力、思考能力、审美能力。

一键导出Word分析报告

最后，咱们让他更新、输出最后一版分析报告，直接导出为word文档。

快速探索预测模型，作用、体验都非常好。

今天分享到这里，关于SPSSAU AI Agent 咱们后续多用多交流。

本文完

文/图=数据小兵

===

大家如果有预测模型的问题、困惑，欢迎来进行统计咨询、统计陪伴/陪跑，我可以带领一起做统计。

数据小兵：图书作者、课程讲师、统计学/数据分析博主，陪伴你学用统计分析方法，可交流科研思路、提供答疑咨询、陪跑数据分析服务。我不是机构，也无团队，是个人教练，喜欢1对1专属/定制统计服务的朋友可垂询。