第15章 罗吉斯与Probit回归分析.pptVIP

第15章　羅吉斯與Probit迴歸分析 ?本章的學習主題 ? 1.羅吉斯迴歸分析的概念 2.羅吉斯迴歸的假設 3.Logit 轉換 4.羅吉斯迴歸報表分析 5.Probit 迴歸分析 15.1 羅吉斯迴歸的概念 羅吉斯迴歸類似線性迴歸模式。迴歸分析是描述一個依變數與一個或多個預測變數之間的關係，然而一般迴歸分析時，依變數與自變數通常均為連續變數，但羅吉斯迴歸所探討結果的依變數是離散型，特別是其分類只有二類(例如“是與否”、“同意與不同意”、“成功與失敗”)時。 利用羅吉斯迴歸的目的是在於建立一個最精簡和最能配適(fit)的分析結果，而且在實用上合理的模式，建立模式後可用來預測依變數與一組預測變數之間的關係。 15.2 羅吉斯迴歸的假設 羅吉斯迴歸的基本假設與其他多變量分析之假設不同，因為它不需要假設分配類型，在羅吉斯分配中，自變數對於依變數之影響方式是以指數的方式來變動，即。此意味著羅吉斯迴歸無需具有符合常態分配的假設，但是如果預測變數為常態分配的話，結果會比較可靠。在羅吉斯迴歸分析中，自變數可以是類別變數（category variable），也可以是連續變數。 15.3 羅吉斯迴歸模式 令p表示某種事件成功的機率，它受因素ｘ的影響，即p與ｘ之關係如下： 稱之為羅吉斯迴歸模式。 15.4 羅吉斯迴歸分析的評估 下表是收集125位年齡從21歲到69歲成年人的資料，研究年齡Ｘ與是否患 心臟病(Y=0表未患心臟病，Y=1表患心臟病)的關係。並依表15 - 1繪出Ｙ 對Ｘ的散佈情形，如圖 15 – 2 所示。 當以羅吉斯迴歸作為考量，則設年齡Ｘ與患心臟病機率的關係式為： 經過羅吉斯轉換： 則此時與X呈線性關係，即可進行羅吉斯迴歸分析。 本範例經由羅吉斯分析所得之結果分析如下： 根據表15─4，我們可以求得羅吉斯迴歸的方程式為： 15.5 Probit 迴歸模式 Probit迴歸分析與羅吉斯迴歸分析最大的不同點，在於在Probit 迴歸分析中依變數不再是二元變數（即0與1），而是介於0到1 之百分比變數。Probit迴歸分析時，與前節在羅吉斯分析時所導 出之模式相同。 即成功的機率： 則失敗機率為： 故優勢比(odd ratio)為： 表15－6是研究者利用A，B，C三種減肥藥來分別給受測者服用，期間服用藥的濃度，服用週數，觀測數及有效數各不相同，假設這些數據符合Probit迴歸模式，即代表下式： Probit (有效比率)＝ b0＋b1 × 藥的濃度＋b2 × 服用週數 我們接著進行Probit模式之假設：H0：Probit模式配適度(Goodness of fit)佳H1：Probit模式配適度(Goodness of fit)不佳 進行Probit迴歸分析時，要注意各自變數若不是常態分析時，必須進行轉換。例如將表15－6資料進行Probit分析時，結果如下： 模型的適合度檢定： Goodness-of-Fit卡方值為27.098已達非常顯著的水準，因此我們拒絕虛無假設H0，即表示模式之適合度有問題，資料必須進行轉換之後再試。 從圖15－3可發現，減肥藥的濃度與減肥有效度在圖形中呈現對數的關係，因此，我們必須將藥的濃度進行對數轉換之後，才能繼續進行 Probit分析。 15.6 Probit 迴歸分析的評估 表15－7為經過轉換後的資料，而以下我們將有三個準則來判別 Probit分析的結果，分別是(1)模式的適合度檢定、(2)平行性檢定、(3)模式係數的檢定。 15.7 Probit 預測分析 企業研究方法 第 15 章* * 羅吉斯迴歸曲線 a b 0.5 成功 (1) 失敗 (0) c 成功與否（Ｙ） 溫度（壓力）（Ｘ） 實際觀察值 ….…..…..…….…………………. . . . . . . . . . . .. . . . . . . ......… . . . . . ..…….…. . . … …………….…. 圖 15 – 1 羅吉斯分析的概念 67 1 67 1 68 1 68 1 69 1 61 1 62 0 62 0 62 1 63 1 64 1 64 1 65 1 65 1 65 0 66 1 66 1 57 1 58 0 58 0 58 1 58 1 59 1 59 0 60 0 60 0 60 1 60 1 61 1 54 0 54