調(diào)查數(shù)據(jù)分析二元回歸演示

調(diào)查數(shù)據(jù)分析二元回歸ppt課件目前一頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)分類(lèi)變量分析通常采用對(duì)數(shù)線性模型(Log-linearmodel),而因變量為二分變量時(shí),對(duì)數(shù)線性模型就變成Logistic回歸模型.logistic回歸是一個(gè)概率型模型，因此可以利用它預(yù)測(cè)某事件發(fā)生的概率。例如在可以根據(jù)消費(fèi)者的一些特征，判斷購(gòu)買(mǎi)某項(xiàng)產(chǎn)品概率有多大。目前二頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目的：作出以多個(gè)自變量估計(jì)因變量的logistic回歸方程。屬于概率型非線性回歸。資料：1.因變量為反映某現(xiàn)象發(fā)生與不發(fā)生的二值變量；2.自變量宜全部或大部分為分類(lèi)變量，可有少數(shù)數(shù)值變量。分類(lèi)變量要數(shù)量化。用途：研究哪些變量影響因變量，影響程度方向、大小等。目前三頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)4Logistic回歸模型一.模型的引進(jìn)二.Logistic回歸模型估計(jì)三.Logistic回歸模型的評(píng)價(jià)四.Logistic回歸系數(shù)的統(tǒng)計(jì)推斷五.Logistic回歸診斷目前四頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建?！狶ogistic回歸模型當(dāng)虛擬變量作為因變量，虛擬變量有兩個(gè)取值，可使用二元Logistic回歸。

例：在一次有關(guān)公共交通的調(diào)查中，一個(gè)調(diào)查項(xiàng)目為“是乘坐公交車(chē)上下班，還是騎自行車(chē)上下班”。因變量有兩個(gè)取值，當(dāng)取值為1，乘坐公交車(chē)上下班；取值為0，騎自行車(chē)上下班。目前五頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建?！狶ogistic回歸模型

目前六頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建?！狶ogistic回歸模型自變量（解釋變量）：X1：年齡，取值從18到58；X2：月收入（元），取值850、950、1000、1200、1300、1500、1800、2100；X3：性別，取值為1，表示男性；取值為0，表示女性。

目前七頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)8回歸建?！狶ogistic回歸模型研究目的：X1，X2，X3等因素對(duì)因變量（使用什么交通方式）有無(wú)影響？建立Y與X的多元線性回歸模型？（取值0和1）目前八頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)9回歸建?！狶ogistic回歸模型建立p(Y=1|X)與X的多元線性回歸模型？(取值范圍0～1)目前九頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)線性回歸模型的基本假定：（1）隨機(jī)誤差項(xiàng)具有０均值:（2）隨機(jī)誤差項(xiàng)具有同方差：（3）隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)：（4）隨機(jī)誤差項(xiàng)與解釋變量（自變量）之間不相關(guān)：（5）隨機(jī)誤差項(xiàng)服從０均值、同方差的正態(tài)分布

目前十頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建模——二元Logistic回歸模型1、發(fā)生概率p的大小取值范圍[0,1]，p與自變量的關(guān)系難以用多元線性模型來(lái)描述。2、當(dāng)p接近0或者1時(shí)，p值的微小變化用普通的方法難以發(fā)現(xiàn)和處理好?？偅耗懿荒苷业揭粋€(gè)p的嚴(yán)格單調(diào)函數(shù)Q，就會(huì)比較方便；同時(shí)要求Q對(duì)在p=0或p=1的附近的微小變化很敏感。目前十一頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建?！狶ogistic回歸模型目前十二頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)13回歸建模——二元Logistic回歸模型Logit（P)P目前十三頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)14回歸建?！狶ogistic回歸模型建立logit（p）與X的多元線性回歸模型:

(取值范圍-∞～+∞)優(yōu)勢(shì)比(odds)機(jī)會(huì)比(odds)目前十四頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)15logistic回歸模型Logistic回歸模型：目前十五頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)16Logistic回歸模型估計(jì)：極大似然估計(jì)Logistic回歸模型估計(jì)的假設(shè)條件與OLS的不同（1）logistic回歸的因變量是二分類(lèi)變量（2）logistic回歸的因變量與自變量之間的關(guān)系是非線性的（3）logistic回歸中無(wú)相同分布的假設(shè)（4）logistic回歸沒(méi)有關(guān)于自變量“分布”的假設(shè)（離散，連續(xù)，虛擬）目前十六頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)Logistic回歸模型估計(jì)：極大似然估計(jì)多元回歸采用最小二乘估計(jì)，使因變量的真實(shí)值和預(yù)測(cè)值差異值的平方和最小化；Logistic變換的非線性特征使得在估計(jì)模型的時(shí)候采用極大似然估計(jì)的迭代方法，找到系數(shù)的“最可能”的估計(jì)，在計(jì)算整個(gè)模型擬合度時(shí)，采用似然值。目前十七頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)18Logistic回歸模型估計(jì)：極大似然估計(jì)最小二乘估計(jì)（OLS）：根據(jù)線性回歸模型，選擇參數(shù)估計(jì)值，使得模型的估計(jì)值與真值的離差平方和最小。極大似然估計(jì)（MLE

）：選擇使得似然函數(shù)最大的參數(shù)估計(jì)值。目前十八頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)19由于各項(xiàng)觀測(cè)相互獨(dú)立，其聯(lián)合分布為：Logistic回歸模型估計(jì)：極大似然估計(jì)目前十九頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)20求似然函數(shù)的極大值Logistic回歸模型估計(jì)：極大似然估計(jì)目前二十頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)21分別對(duì)參數(shù)求偏導(dǎo)，然后令它等于0：求得的估計(jì)值，從而得到（pi的極大似然估計(jì))，這個(gè)值是在給定xi的條件下yi=1的條件概率的估計(jì)，它代表了Logistic回歸模型的擬合值。Logistic回歸模型估計(jì)：極大似然估計(jì)目前二十一頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)22Logistic回歸系數(shù)的解釋因此每個(gè)代表當(dāng)保持其他變量不變時(shí)，每單位量的增加對(duì)對(duì)數(shù)發(fā)生比的影響發(fā)生比率若發(fā)生比率>1，則說(shuō)明該變量增大時(shí)，則Y=1事件發(fā)生的比例也就越高。目前二十二頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)Logistic回歸模型估計(jì)：極大似然估計(jì)目前二十三頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)24Logistic回歸模型的評(píng)價(jià)

1擬合優(yōu)度檢驗(yàn)（Goodnessoffit）1.1皮爾遜檢驗(yàn)1.2Hosmer-Lemeshow檢驗(yàn)

2Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性Cox&SnellRSquare指標(biāo)和NagelkerkeRSquare指標(biāo)目前二十四頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)擬合優(yōu)度檢驗(yàn)Logistic回歸模型的擬合優(yōu)度檢驗(yàn)是通過(guò)比較模型預(yù)測(cè)的與實(shí)際觀測(cè)的事件發(fā)生與不發(fā)生的頻數(shù)有無(wú)差別來(lái)進(jìn)行檢驗(yàn)。如果預(yù)測(cè)的值與實(shí)際觀測(cè)的值越接近，說(shuō)明模型的擬合效果越好。模型的擬合優(yōu)度檢驗(yàn)方法有偏差檢驗(yàn)（Deviance）、皮爾遜（pearson）檢驗(yàn)、統(tǒng)計(jì)量(Homser-Lemeshow),分別計(jì)算統(tǒng)計(jì)量X2D、X2

P、X2HL值。統(tǒng)計(jì)量值越小，對(duì)應(yīng)的概率越大。原假設(shè)H0：模型的擬合效果好。模型擬合優(yōu)度信息指標(biāo)有：-2lnL、AIC、SC。這3個(gè)指標(biāo)越小表示模型擬合的越好。目前二十五頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)類(lèi)R2是預(yù)測(cè)準(zhǔn)確性的粗略近似，在自變量與因變量完全無(wú)關(guān)時(shí)，類(lèi)R2值趨近于0；當(dāng)和模型能夠完美預(yù)測(cè)時(shí)，類(lèi)R2趨近于1.262.1Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性目前二十六頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)272Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性Cox&SnellRSquare指標(biāo)

其中與表示零假設(shè)模型與所設(shè)模型各自的似然值，n為樣本容量。目前二十七頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)282.1Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性然而對(duì)于logistic回歸，上面定義的R最大值卻小于1Nagelkerke提出一種logistic回歸的調(diào)整確定系數(shù)目前二十八頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目前二十九頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)30Logistic回歸模型的統(tǒng)計(jì)推斷Logistic回歸方程的檢驗(yàn)（對(duì)模型回歸系數(shù)整體檢驗(yàn)）：似然比檢驗(yàn)（likehoodratiotest）、比分檢驗(yàn)（scoretest）和Wald檢驗(yàn)（waldtest）Logistic回歸系數(shù)的顯著性檢驗(yàn)：Wald檢驗(yàn)Logistic回歸參數(shù)的的置信區(qū)間

Logistic回歸系數(shù)的置信區(qū)間發(fā)生比率的置信區(qū)間目前三十頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)311Logistic回歸方程的顯著性檢驗(yàn)檢驗(yàn)?zāi)Ｐ椭兴凶宰兞空w來(lái)看是否與所研究事件的對(duì)數(shù)優(yōu)勢(shì)比存在線性關(guān)系，也即方程是否成立。檢驗(yàn)的方法有似然比檢驗(yàn)（likehoodratiotest）、比分檢驗(yàn)（scoretest）和Wald檢驗(yàn)（waldtest）。三種方法中，似然比檢驗(yàn)最可靠，比分檢驗(yàn)一般與它相一致，但兩者均要求較大的計(jì)算量；而Wald檢驗(yàn)未考慮各因素間的綜合作用，在因素間有共線性時(shí)結(jié)果不如其它兩者可靠。

目前三十一頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)似然比檢驗(yàn)（likehoodratiotest）通過(guò)比較包含與不包含某一個(gè)或幾個(gè)待檢驗(yàn)觀察因素的兩個(gè)模型的對(duì)數(shù)似然函數(shù)變化來(lái)進(jìn)行，其統(tǒng)計(jì)量為G（又稱Deviance）。

G=-2(lnLp-lnLk)

樣本量較大時(shí)，G近似服從自由度為待檢驗(yàn)因素個(gè)數(shù)的２分布。目前三十二頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)似然比檢驗(yàn)當(dāng)G大于臨界值時(shí)，接受H1,拒絕無(wú)效假設(shè)，認(rèn)為從整體上看適合作Logistic回歸分析，回歸方程成立。目前三十三頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)Logistic回歸系數(shù)的顯著性檢驗(yàn)為了確定哪些自變量能進(jìn)入方程，還需要對(duì)每個(gè)自變量的回歸系數(shù)進(jìn)行假設(shè)檢驗(yàn)，判斷其對(duì)模型是否有貢獻(xiàn)。檢驗(yàn)方法常用WaldX2檢驗(yàn)。目前三十四頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)35Logistic回歸系數(shù)的顯著性檢驗(yàn)Wald檢驗(yàn)該檢驗(yàn)是基于在大樣本情況下β值服從正態(tài)分布的性質(zhì)。其中為的標(biāo)準(zhǔn)誤。原假設(shè)：

該自變量下的回歸系數(shù)=0目前三十五頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)36Logistic回歸參數(shù)的的置信區(qū)間Logistic回歸系數(shù)的置信區(qū)間為：發(fā)生比率的置信區(qū)間目前三十六頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)37二分類(lèi)Logistic回歸method中文名稱剔除依據(jù)Enter全部進(jìn)入Forward:conditional向前逐步條件參數(shù)估計(jì)似然比Forward:LR向前逐步最大偏似然估計(jì)似然比Forward:Wald向前逐步Wald統(tǒng)計(jì)量Backward:conditional向后逐步條件參數(shù)估計(jì)似然比Backward:LR向后逐步最大偏似然估計(jì)似然比Backward:Wald向后逐步Wald統(tǒng)計(jì)量目前三十七頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目前三十八頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目前三十九頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目前四十頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)目前四十一頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)回歸建?！狶ogistic回歸模型Logistic回歸可直接預(yù)測(cè)事件發(fā)生的概率，若預(yù)測(cè)概率大于0.5，則預(yù)測(cè)發(fā)生（Y=1）；若預(yù)測(cè)概率小于0.5，則不發(fā)生（Y=0）。目前四十二頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)43Logistic回歸模型的診斷多重共線性的診斷異常值的診斷目前四十三頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)44多重共線性的診斷相關(guān)系數(shù)矩陣容忍度方差膨脹因子由于只關(guān)心自變量之間的關(guān)系，所以可以通過(guò)線性回歸得到容忍度指標(biāo)。目前四十四頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)45異常值的診斷（一）標(biāo)準(zhǔn)化殘差（Pearson殘差）yj為第j個(gè)協(xié)變量組合的陽(yáng)性（取值為1）觀察值個(gè)數(shù)nj為第j個(gè)協(xié)變量組合的觀察單位數(shù)Pj為第j個(gè)協(xié)變量組合的概率估計(jì)值一般認(rèn)為殘差值超過(guò)2則可能為異常點(diǎn)目前四十五頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)46異常值的診斷（二）Deviance殘差其中sgn表示此式的正負(fù)號(hào)與（yj-njpj）的相同一般認(rèn)為殘差值超過(guò)2則可能為異常點(diǎn)目前四十六頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)47例題：高中畢業(yè)生繼續(xù)進(jìn)入大學(xué)學(xué)習(xí)的可能性的影響因素如果一個(gè)高中畢業(yè)生升入了大學(xué)，則y=1；如果沒(méi)有升入大學(xué)，則y=0。P為高中畢業(yè)后升入大學(xué)的概率。自變量為性別Gender（1為男性，0為女性），高中類(lèi)型Keysch（1為重點(diǎn)中學(xué)、0為普通中學(xué)），高中成績(jī)Meangr。前兩個(gè)為虛擬變量，Meangr為連續(xù)變量。Logistic回歸模型為：目前四十七頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)48數(shù)據(jù)目前四十八頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)49最后的回歸結(jié)果為：目前四十九頁(yè)\總數(shù)五十八頁(yè)\編于十八點(diǎn)分組數(shù)據(jù)的二元Logistic回歸模型例：在一次住房展銷(xiāo)會(huì)上，與房地產(chǎn)商簽