《逻辑回归分析ppt课件.ppt》由会员分享，可在线阅读，更多相关《逻辑回归分析ppt课件.ppt（50页珍藏版）》请在三一办公上搜索。
1、逻辑回归分析,7.8.1 统计学上的定义和计算公式,7.8 逻辑回归分析,定义：逻辑回归分析是对定性变量的回归分析。,可用于处理定性因变量的统计分析方法有：判别分析（Discriminant analysis）、Probit分析、Logistic回归分析和对数线性模型等。在社会科学中，应用最多的是Logistic回归分析。Logistic回归分析根据因变量取值类别不同，又可以分为Binary Logistic回归分析和Multinomi-nal Logistic回归分析。,Binary Logistic回归模型中因变量只能取两个值1和0（虚拟因变量），而Multinomial Logistic
2、回归模型中因变量可以取多个值。本节将只讨论Binary Logistic回归，并简称Logistic回归（与7.5节曲线估计中介绍的Logistic曲线模型相区别）。Logistic函数的形式为,与任何概率一样，似然的取值范围在0,1之间。2LL的计算公式为,1-2对数似然值（-2 log likelihood，-2LL）,Logistic回归的拟合优度统计量计算公式为 在实际问题中，通常采用如下分类表（Classification Table）反映拟合效果。,2拟合优度（Goodness of Fit）统计量,Classification Table for Y,3Cox和Snell的R 2
3、（Cox&Snells R-Square）,4Nagelkerke的R 2（N agelkerkes R-Square）,5伪R 2（Psedo-R-square）,伪R2与线性回归模型的R2相对应，其意义相似，但它小于1。,6Hosmer和Lemeshow的拟合优度检验统计量（Hosmer and Lemeshows Goodness of Fit Test Statistic）,与一般拟合优度检验不同，Hosmer和Lemeshow的拟合优度检验通常把样本数据根据预测概率分为10组，然后根据观测频数和期望频数构造卡方统计量（即Hosmer和Lemeshow的拟合优度检验统计量，简称H-L拟
4、合优度检验统计量），最后根据自由度为8的卡方分布计算其值并对Logistic模型进行检验。,如果该p值小于给定的显著性水平（如=0.05），则拒绝因变量的观测值与模型预测值不存在差异的零假设，表明模型的预测值与观测值存在显著差异。如果值大于，我们没有充分的理由拒绝零假设，表明在可接受的水平上模型的估计拟合了数据。,7Wald统计量,Wald统计量用于判断一个变量是否应该包含在模型中，其检验步骤如下。 （1）提出假设。 （2）构造Wald统计量。 （3）作出统计判断。, 研究问题 在一次关于某城镇居民上下班使用交通工具的社会调查中，因变量y =1表示居民主要乘坐公共汽车上下班；y=0表示主要骑自
5、行车上下班；自变量x1表示被调查者的年龄；x2表示被调查者的月收入；x3表示被调查者的性别（x3=1为男性，x3=0为女性）。试建立y与自变量间的Logistic回归，数据如表7-7所示。,7.8.2 SPSS中实现过程,表7-7使用交通工具上下班情况, 实现步骤,图7-24 “Logistic Regression”对话框,图7-25 “Logistic Regression：Options”对话框,（1）第一部分输出结果有两个表格，第一个表格说明所有个案（28个）都被选入作为回归分析的个案。,7.8.3 结果和讨论,第二个表格说明初始的因变量值（0，1）已经转换为逻辑回归分析中常用的0、1
6、数值。,（2）第二部分（Block 0）输出结果有4个表格。,（3）Omnibus Tests of Model Coefficients表格列出了模型系数的Omnibus Tests结果。,（4）Model Summary表给出了-2 对数似然值、Cox和Snell的R2以及Nagelkerke的R2检验统计结果。,（5）Hosmer and Lemeshow Test表格以及Contingency Table for Hosmer and Lemeshow Test表格给出了Hosmer和Lemeshow的拟合优度检验统计量。,（6）Classification Table分类表说明第一次
7、迭代结果的拟合效果，从该表格可以看出对于y=0，有86.7%的准确性；对于y=1，有76.9%准确性，因此对于所有个案总共有82.1%的准确性。,（7）Variables in the Equation表格列出了Step 1中各个变量对应的系数，以及该变量对应的Wald 统计量值和它对应的相伴概率。从该表格中可以看出x3相伴概率最小，Wald统计量最大，可见该变量在模型中很重要。,（8）Correlation Matrix表格列出了常数Constant、系数之间的相关矩阵。常数与x2之间的相关性最大，x1和x3之间的相关性最小。,（9）图7-26所示是观测值和预测概率分布图。该图以0和1为符号，每四个符号代表一个个案。横坐标是个案属于1的录属度，这里称为预测概率（Predicted Probability）。纵坐标是个案分布频数，反映个案的分布。,（10）逻辑回归的最后一个输出表格是Casewise List，列出了残差大于2的个案。,
