一元线性回归分析、多元线性回归分析.ppt

Predicted（预测值） 0 1 Percent Correct （正确分类比例） Observed （观测值） 0 n00 n01 f0 1 n10 n11 f1 Overall（总计） ff Classification Table for Y 3．Cox和Snell的R 2（CoxSnell’s R-Square） 4．Nagelkerke的R 2（N agelkerke’s R-Square） 5．伪R 2（Psedo-R-square） 伪R2与线性回归模型的R2相对应，其意义相似，但它小于1。 6．Hosmer和Lemeshow的拟合优度检验统计量（Hosmer and Lemeshow＇s Goodness of Fit Test Statistic） 与一般拟合优度检验不同，Hosmer和Lemeshow的拟合优度检验通常把样本数据根据预测概率分为10组，然后根据观测频数和期望频数构造卡方统计量（即Hosmer和Lemeshow的拟合优度检验统计量，简称H-L拟合优度检验统计量），最后根据自由度为8的卡方分布计算其值并对Logistic模型进行检验。 如果该p值小于给定的显著性水平（如=0.05），则拒绝因变量的观测值与模型预测值不存在差异的零假设，表明模型的预测值与观测值存在显著差异。如果值大于，我们没有充分的理由拒绝零假设，表明在