社会统计分析与数据处理技术（Stata）10_Logistic_回归教材教学课件.ppt

第十章非线性回归：二元Logistic 回归;教育程度;为什么使用 logistic 回归;Logistic的分类;Logistic回归的基本原理（I）;Logistic回归的基本原理（II）;Logistic回归的基本原理（III）;基本概念;Logistic回归模型（II）;参数估计;参数检验：-2LL（I）;参数检验：-2LL（II）;Logistic回归系数的意义;Logistic回归分析的基本命令;. xi: logit enroll age girl i.sibs if age12 i.sibs _Isibs_0-2 (naturally coded; _Isibs_0 omitted) Iteration 0: log likelihood = -361.07032 Iteration 1: log likelihood = -315.29173 Iteration 2: log likelihood = -311.064 Iteration 3: log likelihood = -310.99469 Iteration 4: log likelihood = -310.99464 Logistic regression Number of obs = 789 LR chi2(4) = 100.15 Prob chi2 = 0.0000 Log likelihood = -310.99464 Pseudo R2 = 0.1387 ------------------------------------------------------------------------------ enroll | Coef. Std. Err. z P|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- age | -.7678598 .0877037 -8.76 0.000 -.9397559 -.5959637 girl | .197315 .2112009 0.93 0.350 -.2166311 .6112611 _Isibs_1 | -.214453 .2296539 -0.93 0.350 -.6645664 .2356604 _Isibs_2 | -.8062853 .397851 -2.03 0.043 -1.586059 -.0265118 _cons | 13.41728 1.39888 9.59 0.000 10.67553 16.15903 ------------------------------------------------------------------------------ ;Log likelihood即对数似然值，乘以2即为-2LL，是模型的估计方法。在进行逐步回归时，通过比较不同模型的-2LL，判断模型的适应程度 取值越小，模型的适应性越好 取值越大，模型的效果越差 LR chi2(4)即为卡方检验统计量，Probchi2是其p值——LR chi2为回归模型无效假设( 即所有协变量的发生比均为1)所对应的似然比检验量(其自由度为协变量个数的卡方) 它们与线性回归的F统计量和其p值的功能大体一致 0.0000数值表明，该模型是显著的;统计量Pseude R2是伪决定系数R2。虽不完全等于R2，但大致提供模型中自变量对因变量变异的解释能力 Coef.是每??自变量对应的系数估计值。在logistic回归分析中，该系数为对数；Std. Err.即系数相应的标准误；OLS通过t检验来判断自变量对因变量的影响是否显著，logistic模型使用z检验来达到该目的 z是单个系数检验的统计量；P|z|是系数检验的p值 最后一列为系数95