二元Logistic回归概要.pptVIP

一、概述 多元线性回归中，因变量y要求是常规数据（定距尺度），而非定性数据。 当因变量y为定性数据，并且只有两种状态时，多元线性回归模型不再适用。 此时采用（二元）Logistic回归模型 概括： Logistic模型用于因变量y只取0和1两个值情况下的回归模型。 一般地，总体回归线形式： 参数意义 Logistic回归中的回归系数（ βi ）表示，某一因素改变一个单位时，事件发生与不发生的概率之比的对数变化值。 如果p表示Y=1的概率，则称： Ln[p/(1-p)] 为Logit p 回归系数的意义 单纯从数学上讲，与多元线性回归分析中回归系数的解释并无不同，亦即βi表示xi改变一个单位时， logit p的平均变化量。 Logistic 回归模型的两种应用 1.用于检验“因果关系假设” 与多元回归类似，只是因变量为二值。 2.用于预测 两分类预测 例1：企业商业信誉影响因素 根据有关理论，我们提出如下假设： 假设1：企业商业信誉与其盈利能力正相关 假设2：企业商业信誉与其负债率负相关 变量选取： 因变量y，1为信誉好，0为信誉坏 自变量X1至x6定义如下 X1——盈利能力（净资产收益率） X2——资产负债率 X3——流动比率 X4——应收账款周转率 X5——总资产周转率 X6——总资产对数 （其中X3至X6为控制变量） 数据文件：Logistic回归 该文件