逻辑回归教案.pptVIP

SPSS 16实用教程 逻辑回归分析 比如在致癌因素的研究中，我们收集了若干人的健康记录，包括年龄、性别、抽烟史、日常饮食以及家庭病史等变量的数据。响应变量在这里是一个两点（0-1）分布变量，Y=1（一个人得了癌症），Y=0（没得癌症）。 如果我们按照（1）建立一般线性模型： 因为Y只能取0或1，而 的取值是连续的。显然不能用 来预测因变量 Y 。 我们注意到，对于0-1型变量， E(Y)=P(Y=1)=p 因而，我们似乎可以用 来预测Y=1的概率，即： 问题1. Y=1的概率与自变量之间的关系到底是不是线性的？（答案是否定的） 例如：我们分析一个人是否买车与其年收入的关系。对于年薪5000元、5万元、50万元三个人，让他们的年薪分别增加5000元对于其买车的可能性影响是不一样的。 问题2. 概率的取值应该在0~1之间。但是（2）式的概率线性模型并不能满足这一点。 我们可以通过对P进行一种变换（logit变换） logit(p)= ln(p/(1-p)) 使得logit(p)与自变量之间存在线性相关的关系。 作业（共两题） 1.根据三个财务比率估计公司破产概率。（数据见ftp 财务比率与破产预测.sav） Y=0，若两年后破产 Y=1， 若两年后仍有偿付能力 X1=未分配