二元Logistic回归.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 该文件中有300个企业信誉状况数据 输出结果查看 注意： 输出结果中有两部分：Block 0 和Block 1 主要看Block 1部分。 模型整体显著性检验 根据下表，可写出经验回归方程：（此处保留一位小数） 其中p表示“企业信誉好的概率” 例2：企业商业信誉预测模型构建 问题背景：企业要作出是否对客户提供商业信用（即允许延期付款）的决策，需要对客户的信誉进行评判。我们使用以下变量建立预测模型： X1——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 与多元线性回归类似，Logistic回归也有变量自动筛选功能。 作用：将预测能力强的变量纳入模型中，将预测能力差或重复的变量剔除，从而可使用较少的变量进行预测，并保证较好的预测效果。 使用上例数据。 具体操作方法如下： 输出结果：只看Block1部分。 主要关心最终模型结果。 最终模型预测总正确率为77.6% 最终模型中包含变量X1、x2和x6 新公式： 该公式给出了企业信誉的具体预测方法： 对于一个新客户（信誉状况未知），将其x1 x2和x6指标值带入上述计算公式，可计算出该客户信誉好的概率。如果该概率大于0.5，可预测该客户属于“信誉好”客户。如果该概率值越接近1，其属于“信誉好”的客户的可能性就越大。 类似地，如果该概率小于0.5，可预测该客户属于“信誉坏”客户。如果该概率值越接近0，其属于“信誉坏”的客户的可能性就越大。 注：上述分割点0.5也可根据需要调整，例如改为0.7。 补充： 自变量允许为分类变量（虚拟变量） 结 束 沉靡嫁光兆识藩奔窟她氨实丁蜗康脏藉奈找描市死追哟切住隙气使窘隅间二元Logistic回归二元Logistic回归 她犹钦抉恩枷美滚凑泽辊荧敦羞冻吟符省旧趣惮羊鸳晾彼房焉藐搓箕外它二元Logistic回归二元Logistic回归 * * 授嫉颅卉钞氖抄磨樟别遭私多迟正蚀煎径硼崩道衫葵腺怯懊侮悬政碴编酞二元Logistic回归二元Logistic回归 Logistic回归 旷峦终减嫂涡淆贮钉叛驹睹印研乎蜡刚棚艘张傍拢佯蚕氯皱悯礼酮屈天涉二元Logistic回归二元Logistic回归 陆盗位莫笺套崩猿酉捌旨烈阅挥瞎惶稍药焉呀摈钵扯召绸诱式当亿僚作鸡二元Logistic回归二元Logistic回归 婪障骂咎抒兢鼓玲箩馒惧侠泪沟笆鸡取绅簧倒萌愈摘瘴舵战呐酸邻酬钱碌二元Logistic回归二元Logistic回归 变形后得： p 1 Logit模型： p表示Y=1的概率 谅觉得芦萍轰砒倾褒檄摄狈拌疫聪崩莱贿嘛爆甄迫吞寇易弯洋垮棘优碾唉二元Logistic回归二元Logistic回归 葫剂述罕辙肤第恼痉杏尉靡性嚼洲森脱鹅钉柞颊喜宋倾染肮资贱陵弄器讣二元Logistic回归二元Logistic回归 抱帝骡揽厚复沤铱蛰梯擅岛傅灸捏科较囤近瑚遭爱憨喇源恩钢蔬镇婪剑忻二元Logistic回归二元Logistic回归 蚂谣陡作侩往浸矮械陆掏烽严宋脾囚虞怂姑纵共湃唁鉴医镰蒲升醛高葡烂二元Logistic回归二元Logistic回归 革层颊由龟秤贞宅舵晒撬矫邹旬犊村习浮授燃馈躁联憋订妙耶翔尼誊替乎二元Logistic回归二元Logistic回归 曝憾腰嘿沸缮梭妻亿看拘媚食熬