第6章逻辑斯蒂.ppt

第六章 逻辑斯蒂回归 Logistic回归模型 对列联表的分析，独立性检验可以初步了解属性之间是否相互独立，或是否相关；通过列联表的相合性检验，可以进一步知道属性之间的相合情况，包括方向和程度； Logistic模型可以更进一步拟合属性变量之间的函数关系，以描述变量之间的相互影响。 列联表中的数据是以概率的形式把属性变量联系起来的，而概率p的取值在0与1之间，因此，要把 概率 与 之间直接建立起函数关系是不合适的。即 Logistic回归模型 实践中， 通常随着 连续增长或连续下降，其直观的曲线形态是S型。 Logistic回归模型 因此，人们通常把p的某个函数f(p)假设为变量的函数形式，取 称之为logit函数，也叫逻辑斯蒂变换。 因此，逻辑斯蒂变换是取列联表中优势的对数。当概率在0-1取值时，Logit可以取任意实数，避免了线性概率模型的结构缺陷。 类似的处理还有probit变换和双对数变换。 其中probit变换是将概率变换为标准正态分布的 值，形式为： Logistic回归模型 双对数变换的形式为： 以上变换中以logit变换应最为广泛。 假设响应变量Y是二分变量，令 ,影响Y的因素有k个 ，则称： 为二分数据的逻辑斯蒂回归模型，简称逻辑斯蒂回归模型。其中的k个因素称为逻辑斯蒂回归模型的协变量。 Logistic回归模型 最重要的逻辑斯蒂回归模型是logistic线性回归模型，多元logit模型的形式为： 其中， 是待估参数。根据上式可以得到优势的值： 可以看出，参数 是控制其它 时 每增加一个单位对优势产生的乘积效应。 概率p的值： Logistic回归模型 最简单的logit线性模型为： 则优势为： 以上指数关系说明： 每增加1个单位，优势变为原来的 倍； 此时的概率应为： Logistic回归模型 多元logistic模型参数的估计 采用极大似然估计方法 假设n次观测中，对应 的观测有 个，其中观测值为1的有 个，观测值为0的有 个，则参数 的似然函数： 可以使用迭代法求出参数的ML估计 由于计算的复杂性，可以利用统计软件得到。 Logistic回归模型 【例6.1】一般认为，体质指数越大(BMI≥25)，表示某人越肥胖。根据3983人的体检结果有388人肥胖，肥胖组中患心血管病的数据见表6.1，试建立体质指数与患心血管病概率的logistic回归模型。 【解】根据题目知道是一元逻辑斯蒂回归问题。运用统计软件可以对参数进行估计得到： 于是logit模型为： Logistic回归模型 由得到的模型可知， 患病概率为： 当体质指数BMI变化1单位时，对数优势比将增加0.2570，优势比将增加 即： 含有名义数据的logit 前例中的协变量为定量数据，logistic回归模型的协变量可以是定性名义数据。这就需要对名义数据进行赋值。 通常某个名义数据有k个状态，则定义个变量 代表前面的k-1状态，最后令k-1变量均为0或-1来代表第k个状态。 如婚姻状况有四种状态：未婚、有配偶、丧偶和离婚，则可以定义三个指示变量M1、M2、M3，用(1,0,0)、 (0,1,0) 、(0,0,1) 、(0,0,0)或(-1,-1,-1)来对以上四种状态赋值。 含有名义数据的logit 例：某地25岁及以上人中各类婚姻状况居民的死亡情况见表6.2，试建立死亡率关于年龄和婚姻状况的logit模型。 其中，A表示年龄，M1、M2、M3表示婚姻状况 于是，估计的logit方程为： 含有有序数据的logit Logit模型的协变量也可以是有序数据 对有序数据的赋值可以按顺序用数0,1,2,3,4分别表示 【例5.8】某地某年各类文化程度的死亡人数见表5.33，试建立logit模型。 建立死亡率关于年龄和文化程度的logit模型 其中A为年龄，E为文化程度 含有有序数据的logit 于是，估计的logit方程为： 其中，年龄的系数0.124，说明年龄越大死亡率会越高； 文化程度的系数-0.164，说明文化程度与死亡率呈负相关，文化程度越高，死亡率越低。 Logistic回归的推断 效应的置信区间 指的是参数的置信区间估计 一般可以采用 的区间形式 通过上述区间端点的指数变换得到