Logistic模型【DOC精选】.docVIP

Logistic模型 例： 为研究高压电线对牲畜的影响，R.Norell研究小的电流对农场动物的影响。实验中选择了7头牛，6种电击强度（0、1、2、3、4、5mA）。每头牛被电击30下，每种强度5下，按随机次序进行。然后重复整个实验，每头牛总共被电击60下。对每次电击，响应变量——嘴巴运动或出现、或不出现。表d5.1的数据给出每种电击强度70次试验中的响应总次数，试分析电击对牛的影响。 这里，响应变量是分类的，它只有两个值：出现及未出现，这种情况下可用logistic回归： ，其中x是电流强度。概率p取0到1之间的值。 命令： ##在d5.1中选取A1：C7区域，然后拷贝 nk=read.table(clipboard,header=T) nk x n k 1 0 70 0 2 1 70 9 3 2 70 21 4 3 70 47 5 4 70 60 6 5 70 63 y-cbind(nk$k, nk$n-nk$k) glm.logit-glm(y~ nk$x,family=binomial) summary(glm.logit) Call: glm(formula = y ~ nk$x, family = binomial) Deviance Residuals: 1 2 3 4 5 6 -2.2507 0.3892 -0.1466 1.1080 0.3234 -1.6679 Coefficients: Estimate Std. Error z value Pr(|z|) (Intercept) -3.3010 0.3238 -10.20 2e-16 *** nk$x 1.2459 0.1119 11.13 2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 (Dispersion parameter for binomial family taken to be 1) Null deviance: 250.4866 on 5 degrees of freedom Residual deviance: 9.3526 on 4 degrees of freedom AIC: 34.093 Number of Fisher Scoring iterations: 4 即：，，并且回归方程通过了检验，因此回归模型为： 得到回归模型后，可作预测。 例如，当电流强度为3.5mA时，有响应的牛的概率是多少？ p-exp(-3.301+1.246*3.5)/(1+exp(-3.301+1.246*3.5)) p [1] 0.7426905 例2： 对45名驾驶员的调查结果，其中四个变量的含义分别是： x1：表示视力状况，它是一个分类变量，1表示好，0表示有问题； x2：年龄，数值型； x3：驾车教育，它也是一个分类变量，1表示参加过驾车培训，0表示没有； y：分类变量（去年是否出过事故，1表示出过事故，0表示没有）。 试考察前三个变量x1、x2、x3与发生事故的关系。 这里，y是因变量。它只有两个值，可以用下面的logistic回归模型进行分析： 命令： d5.2=read.table(clipboard,header=T) logit.glm-glm(y~ x1+ x2+ x3,family=binomial,data=d5.2) summary(logit.glm) Call: glm(formula = y ~ x1 + x2 + x3, family = binomial, data = d5.2) Deviance Residuals: Min 1Q Median 3Q Max -1.5636 -0.9131 -0.7892 0.9637 1.6000 Coefficients: Estimate Std. Error z value Pr(|z|) (Intercept) 0.597610 0.894831 0.668 0.5042 x1 -1.496084 0.704861 -2.123 0.0338 * x2 -0.001595 0