No participants

have missing data.

Algebra 2 is the dependent outcome
variable and is coded 0 or 1.

40 students didn't take algebra 2 and 35 did. 53% did not take
algebra 2. Thus, if one simply guessed that no students took algebra
2, one would classify 53.3% of the students correctly by chance.

Only the constant
is in the equation.

Gender, visual, and parents ' education are each
separately significantly related to algebra 2.

The overall model is
significant when all four
independent variables are
entered.

These are similar to .ft2 and give a
rough estimate of the variance that
can be predicted from the
combination of the four variables.

Note, 33/40 (83%) of those who didn't
take algebra 2 were predicted correctly
with this model, but 71% of those who
did were predicted correctly.

Parents' education and visualization, but not gender, are significant
predictors when all four variables are considered together. This
suggests some correlation among predictors since gender was a
significant predictor when used alone. Mosaic fails to predict
algebra2 whether used alone or with the other predictors.

Logistic regression in SPSS provides several ways to interpret the results of using these four 
variables (gender, parents' education, mosaic and visualization test) as predictors of whether or 
not students took algebra 2. The last four tables in Output 7.1 show these several ways. The 
Omnibus Tests of Model Coefficients table indicates that, when we consider all four predictors 
together, the Model or equation is significant Qt2 = 24.23, df= 4, N= 75,p < .001).
The Model Summary table includes two different ways of estimating R2 (percent of variance 
accounted
for) as was done in multiple regression. These "pseudo" B2 estimates (.28 and .37) indicate that
approximately 28% or 37% of the variance in whether or not students took algebra 2 can be predicted
from the linear combination of the four independent variables. The Cox & Snell R2 (28%) is usually 
an
underestimate.
The final Classification Table indicates how well the combination of variables predicts algebra 2. In
this problem we have tried to predict, from four other variables, whether or not students would take
algebra 2. Note from the classification table that, overall, 77% of the participants were predicted
correctly. The independent/covariate variables were better at helping us predict who would not take
algebra 2 (83% correct) than at who would take it (71% correct).
Note, in the Variables in the Equation table, that only parents' education and visualization test are
significant. Gender is not significant, which is probably due to several factors: 1) the fact that SE is 
quite
high relative to B, which makes the Wald statistic lower, 2) the fact that gender is dichotomous, and 
3)
the fact that in this sample, gender is modestly (.25 and .28) but significantly related to visualization 
test
and parents' education, so when they are already included, gender does not add enough to be 
significant
(p = .389). Note that Exp(B) gives the odds ratios for each variable. The odds ratio and confidence
interval for parents' education was 1.46 (95% CI = 1.13­1.89) and for visualization test was 1.21 (CI 
=
1.04­1.4). These indicate that the odds of estimating correctly who takes algebra 2 improve by 46%
(1.46­1) if one knows parents' education and by about 21% if one knows the visualization test score.

Logistic regression was conducted to assess whether the four predictor variables, gender, parents'
education, mosaic pattern test, and visualization test, significantly predicted whether or not a student 
took
algebra 2. When all four predictor variables are considered together, they significantly predict whether
or
not a student took algebra 2, % 2 = 24.23, df= 4,N=15,p< .001. Table 7.1 presents the odds ratios,
which suggest that the odds of estimating correctly who takes algebra 2 improve by 46% if one knows
parents' education and by about 21% if one knows students' visualization scores.