Binary Logistic回归方法.ppt

Binary Logistic回归 基本介绍 Binary Logistic回归是根据一个或多个连续型或属性型的自变量,来分析和预测0/1二值品质型因变量的多元量化分析方法,属于概率型非线性回归“目前,该方法己广泛应用于经济学、社会科学以及医学等诸多学科领域 与多元线性回归比较 利用多元回归方法分析变量之间关系或进行预测时的一个基本要求是因变量应是连续定距型变量然而,实际应用中这种要求未必能够得到较好的满足,尤其是当因变量是0/1二值品质型变量时,就无法直接采用一般的多元线性回归方法进行分析 虽然多元线性回归也可做预测分析,但是多元线性分析的预测值不能当作概率值解释;线性判别分析虽然允许对自变量直接分组预测,但是有它的预测规则,即要求自变量成正态分布以及两组协方差相等的假设 参数估计 Logistic “回归模型是二分类因变量(因变量y只取两个值)进行回归分析时经常使用的统计分析方法”与线性回归不同,Logistic 回归是一种非线性模型,普遍采用的参数估计方法是最大似然估计法。 （最大似然法是一种具有理论性的点估计法，此方法的基本思想是：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大，而不是像最小二乘估计法旨在得到使得模型能最好地拟合样本数据的参数估计量。） 方程表达式 Pi 表示每个事物A可能出现事物类型 i 的概率；X 表示各驱动因子；β是各驱动因子的回归系数，表示各驱动因子与事物Ａ的相关关系。 在ＳＰＳＳ中的操作与应用 在菜单上选择Analyze==》Regression==》Binary Logistic...，系统弹出Logistic回归对话框如下： Save钮：将中间结果存储起来供以后分析，共有预测值、影响强度因子和残差三大类 Options： 回归结果