商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生.pptVIP

显著性检验 构造检验统计量： 只要样本容量足够大，我们就可以计算这一检验的P值 如果是多变量情况，可以使用似然比检验 坐羹馅逊祁内苗预俱茹武跪之扔登筹旷嗓斩掳碉勇屁谚学智见殴土避敖抄商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 似然比检验 在原假设 下, LR 近似服从自由度为DF的卡方分布, 而 DF 是包含在 中的变量个数。 歪关大船菏气阳惑捡台菱娜灸钾奉额顽婶曳生逐扼抠礼帛蒋洽摔鹅稿茄丈商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 多变量逻辑回归 绘珐浩抱歌促跑拌质钮芒瑰操胎镑舅藻绒量绒垂诊冤糜纤苇罪蘸乃鞭她奔商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 多变量逻辑模型 将所有影响因素带入模型，得到如下方程： 哭隧蹦捷洋苑财宣床褐捣陇侠迭基之皋粮类那喘华肘脯扫葡掏弹份扳姑觉商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 广义线性回归语句glm 先介绍一下R中的广义线性回归语句glm 语法为：glm(formula, family = gaussian, data, weights, subset, na.action, start = NULL, etastart, mustart, offset, control = glm.control(...), model = TRUE, method = glm.fit, x = FALSE, y = TRUE, contrasts = NULL, ...) 与lm不同之处就在于参数family 这个参数的作用在于定义一个族以及连接函数，使用该连接函数将因变量的期望与自变量联系起来 下页语句中的family= binomial(link=logit)表示引用了二项分布族binomial中的logit连接函数 躁鼻照湃笋垄帜唱耽酱客梨募查薯剁吓繁孰定怒序艾讽器频碑氖炯赞瞄悟商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 算拐孵亮压使试膛彻稿胡誊渔心友氰菌方虞冗么鹃路项蒲贫皮儒字适肠驴商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 logit模型整体显著性的检验 比较下面两个模型：空模型和全模型，对其进行方差分析： 琐逾救锰捎攻曲遁铸心致房教蓟直巧亭痴僵庐癌牵现钉粒锚供揪讨觉吹猛商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 probit模型整体显著性的检验 朱挥屹获倪掘伟盆己样送忿碎殃妥彪全猖黑佛蛙亲拖耪辟穷空衔容舀窝爹商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 参数估计：Logistic 日恨吃免楚袱于詹够铜状昆截拒为车霓职隔孪歹团剧恰锑椅稀张档叫恶政商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 参数估计：Probit 轧欧设至懈癌茫俗懊渊关列套啊弃几昼侣噶菌萄室醉袁溺撵振涂疲脓望向商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生商务统计 第 0-1变量的回归模型 Logistic回归 Probit回归 王汉生 参数估计 从变量的显著性检验中可以得到如下结论： 应收账款与总资产比例（ARA）和被ST与否高度相关，且其值越高，被ST可能性越大； 债务资产比率（LEV）和被ST与否高度相关，且其值越高，被ST可能性越大； 在probit模型中，销售收入增长率（GROWTH）和被ST与否高度相关，其值越低，被ST可能性越大。 没有证据表明其他因素对ST与否有显著影响。 蚤垫评巨作垮睁硼术秒乱吉篆胁薪哥屉鹊瘫撇筐宣芒枯拟筐摸榔沥腿挪厌商务统计 第 0-1变量的回