对数线性模型讲课教案.pptVIP

对数线性回归;一、对数线性模型简介;区别 ;2、列联表的四种类型;3、列联表的优势;4、列联表的劣势：对于多关系变量（两个以上）研究：不能被清晰解读;5、对数线性模型：多维度列联表解决之道，以及模型自身特点 ;6、对数线性模型的缺点 ;二、对数线性模型的基本原理;2、比数比 ;;;;;3、与逻辑变换有关的：对数线性模型的出现; 上两式的数学变换使各种效应项相乘的关系被转换成相加的关系，使各项效应独立化了。 常数效应； A因素效应； B因素效应；（主效应） A、B两因素的交互效应； ;主效应和多元交互列表涉及因素数量相等； 交互效应的总数则为所有因素各阶组合数之和。 对数线性模型有一个限制条件： 模型中每一项效应的各类参数之和等于0； 如果每项效应中只有一类的参数未知，那么可以由已知参数推算出来。; 通过上组式子，我们可以计算出线性模型等式右侧的所有参数值。 A因素效应是行平均值与总平均值之差 B因素效应是列平均值与总平均值之差 交互效应计算结果表示在除去所有其他分布效应之后两个因素之间的净关联。 ;常数项只受样本规模和交互单元数的影响； 主效应项反映的是各因素内部类别频数分布的特征，是在总平均频数基础上的“补差”； 如果模型中所有交互效应都等于0，我们将会看到虽然每行（列）频数不同，但行（列）频数分布比例却是相同的，都等于原来分类变量的类别分布比例。 ;泊松分布 多项分布 乘积-多项分布 所以我们不能直接应用最小二乘法对模型、总体、参数进行估计，但幸运的是，三个抽样模型下的极大似然估计是等同的。但是可以通过迭代再加权最小二乘法，可是运算起来比较繁琐。 ;5、估计;极大似然法与最小二乘法的区别于联系;;;三、对数线性模型的假设检验;2、统计量;3、对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验;对数线性模型的统计检验