回归分析综合讲解.pptVIP

8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 【例8-5】 诊断发现运营不良的金融企业是审计核查的一项重要功能，审计核查的分类失败会导致灾难性的后果。表8.23列出了66家公司的部分运营财务比率，其中33家在2年后破产（y = 0），另外33家在同期保持偿付能力（y = 1）。请用变量x1（未分配利润/总资产）、x2（税前利润/总资产）和x3（销售额/总资产）拟合一个Logistic回归模型。 第1步 分析。 共有3个自变量，均是定量数据类型，而因变量是定性的，取值有两种状态（0和1），这是一个典型的可用二元Logistic回归解决的问题。 第2步 数据组织。 定义三个自变量x1，x2和x3，再定义因变量y，输入数据并保存。 第3步 二元Logistic回归分析设置。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （1）下表是个案处理摘要信息，给出了数据进入模型的记录数。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （2）下表是因变量的赋值表，在SPSS中，默认将二分类变量中出现次数较多的赋值为1。本例比较特殊，二分类变量的两种情况出现的次数是一样的，从表格中可以看出，将“两年后破产”赋值为0，“两年后仍有偿付能力”赋值为1。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （3）下表是模型初始分类预测表，此时模型中不含任何自变量，只包含常数项。表格左方代表实际观测值，右方代表模型的预测值和正确率。此时预测所有公司在两年后仍有偿付能力，预测的正确率为50%。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （4）下表给出了模型系数的检验结果，其中常数项系数为0.000，其显著性概率为1，可见常数项不显著。x1，x2和x3的相伴概率分别是0.000，0.000和0.094，如果以5%为置信的话，x1和x2的系数是显著的。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （5）下表是模型系数的 Omnibus检验结果。共采用了三种检验方法，分别是步与步间的相对似然比检验、块（Block）间的相对似然比检验和模型间的相对似然比检验。由于本例中只有一个自变量组且采取强行进入法将所有变量纳入模型，所以三种检验方法的结果是一致的，模型有显著的统计意义。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （6）下表是模型情况摘要表。主要给出了对数似然值的两个决定系数，从数据上看，模型的拟合度不错。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （7）下表是模型的分类预测情况表。此时模型的预测准确率已达到97%。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 （8）下表是Logistic模型的拟合结果。表格从左到右依次表示变量及常数项的系数值（B）、标准误差（S.E.）、瓦尔德（Wald）卡方值、自由度（df）、显著性概率、Exp（B）。由于各回归系数均为正数，取相应的指数后会大于1，表示x1，x2和x3的取值越大，“两年后具有偿付能力”的可能性比“两年后破产”的可能性就越大，其Logistic回归模型为 则有 若预测值p的概率小于0.5，则样本被归于“两年后破产”组，相对的，若预测值p的概率大于0.5，则样本被归于“两年后有偿付能力”组，其预测结果值（局部）如下图所示，其中PRE_1表示预测概率值，PGR_1表示预测分类结果值。 8.5 二元Logistics回归分析 8.5.2 二元Logistics回归SPSS实例分析 第4步 主要结果及分析 The End 主要内容 8.1 回归分析简介 8.2 线性回归分析 8.3 曲线回归分析 8.4非线性回归分析 8.4 二元Logistic回归分析 8.2线性回归分析 8.2.1 基本概念及统计原理 1.基本概念 线性回归假设因变量与自变量之间为线性关系，用一定的线性回归模型来拟合因变量和自变量的数据，并通过确定模型参数来得到回归方程。根据自变量的多少，线性回归可有不同的划分。当自变量只有一个时，称为一元线性回归，当自变量有多个时，称为多元线