2015多元统计回归10章—Logit回归概述.docVIP

参考资料 1、陈峰等，医用多元统计分析方法，中国统计出版社，2000年12月第1版 2、张尧庭，定性数据的统计分析，广西师范大学出版社，1991年11月第1版 3、阮敬，SAS统计分析—从入门到精通，人民邮电出版社，2009年4月第1版，39.00元 4、王静龙，定性数据的统计分析， 类型 分类(因变量) 例 定量 连续/计量 利润 离散/计数 人口 定性(名义) 二分类 性别 多分类(无序) 职业 多分类(有序) 学历 一、变量的分类 变量的分类 注：计量指标与计数指标一般好区别。特殊情形下不好区别，如年龄。 类型 分类(因变量) 例 方法 分布 备注 定量 连续/计量 利润/身高 普通回归 正态 可运算 离散/计数 人口 普通或Log回归 Poiison分布 可运算 定性(名义) 二分类 性别 Logit回归 二项分布 不可运算 多分类(无序) 职业 Logit回归 二项分布 不可运算 多分类(有序) 学历 Logit回归 Poiison分布 不可运算 因变量 自变量 方法 分布 定量(连续,离散) 定量(连续,离散),定性 普通回归模型 二分类 连续，定性(二分类,多分类) Logit模型 二项分布 可在statistica下实现 多分类 多分类(有序) 基准—类别Logit模型 Poiison分布 SAS中可非线性 多分类(无序) 累积Logit模型 多项分布 定量，定性 定量，定性 ？ 二、logistic回归模型 1、logit变换 研究上市公司中企业类型（与非）与财务指标的关系。 研究事件发生的概率与某些因素的关系。 例如，讨论某特定人群（例如糖尿病患者）中患动脉硬化的概率与年龄的关系。显然人群中只有两种状态“动脉硬化”和“动脉非硬化”（简称为“患病”和“不患病”），人群的状态记为，则“患病”和“不患病”对应着的两个取值：，。用事件表示即 —“患病”=“动脉硬化” ， —“不患病”=“动脉非硬化” 若患病率记为，则 显然 讨论患病率与年龄的关系，显然，患病率随着年龄的增加而增长。 例，观察了123位糖尿病患者，记录了他们的年龄以及是否患动脉硬化。数据见本章第四节附录——数据。数据格式见下表。 表1 数据 n y x F(组数) 1 0 32 1 2 0 34 1 … … … … 122 1 77 10 123 1 78 10 表2 符号说明 符号 解释 注 n 编号 y 是否动脉硬化 1——动脉硬化 0——动脉非硬化 x 年龄 f 分组 根据这些数据分析是否患病与年龄的关系？ 能否建立关于的回归方程？不行。因为的取值并无实际意义。 将数据分组，得到各组的患病率（见表3），能否建立关于的回归方程？ 表3 分组数据 分组 组号 组中值 实际频数 (患病) 实际频率(患病) 35以下 1 32.5 2 0 0.000 0.081 36—40 2 37.5 7 1 0.143 0.162 41—45 3 42.5 12 3 0.250 0.299 46—50 4 47.5 11 6 0.545 0.485 51—55 5 52.5 12 9 0.750 0.675 56—60 6 57.5 15 12 0.800 0.820 61—65 7 62.5 24 20 0.833 0.910 66—70 8 67.5 23 22 0.957 0.957 71—75 9 72.5 14 14 1.000 0.980 76以上 10 77.5 3 3 1.000 0.991 合计 123 建立关于的回归模型： 根据表3，得到关于的回归方程 此回归方程是否真实地描述了与的关系？答案是否定的。原因（也是解决此问题的困难）如下： 第一，当时，，而的值仅在区间内变化，所以不可能是的线性函数。因为二次函数和多项式函数的值都会超过区间，所以也不可能是的二次函数或多项式函数； 第二，观察表3和上图可发现，对的散点图呈“S”形。对的变化在和附近缓慢而不敏感，在附近变化却变化幅度很大。即当接近于0或1时，即使影响因素有很大变化，的变化也不可能很大。 例如，多数自然灾害（如地震）发生的概率很小，对其正确预报的概率更小，接近于0，即使能找到一些影响的前兆因素，也不可能将值提高很多。从数学上看，是的非线性程度较高的函数。于是，要寻找一个的变换（函数），将变为），希望有以下两个特征： （1）(当接近于和时，函数的变化率较大； （2）(函数的形式不复杂； （3）(与是线性关系。 下面寻找函数。函数的变化率（速度）就是其导（函）数。因此，特征（1）实质上是希望的导数在和附近有较大的值。符合这一特征