因变量是定性变量的回归分析—Logistic回归分析(1).docxVIP

因变量是定性变量的回归分析— Logistic 回归分析 一、 从多元线性回归到 Logistic 回归 例 这是 200 个不同年龄和性别的人对某项服务产品的认可的数据 (logi.sav). 其中： 年龄是连续变量 ,性别是有男和女 (分别用 1 和 0 表示 )两个水平的 定性变 量 ,而变量“ 观点 ”则为包含认可 (用 1 表示 )和不认可 (用 0 表示 )两个水平的 定性变量。 从这张图可以看出什么呢从这张图又可以看出什么呢 这里观点是因变量 , 只有两个值 ;所以可以把它看作成功概率为 p 的 Bernoulli 试 验的结果 . 但是和单纯的 Bernoulli 试验不同， 这里的概率 p 为年龄和性别的 函数 . 必须应用 Logistic 回归 。 二、 多元线性回归不能应用于定性因变量的原因 首先，多元线性回归中使用定性因变量严重违反本身假设条件，即 ： 因变量只能取两个值时，对于任何给定的自变量值， e本身也只能取两个值。这 必然会违背线性回归中关于误差项 e 的假设条件。 其次，线性概率概型及其问题 : 由于因变量只有两个值 ;所以可以把它看作成功概率 p，取值范围必然限制在 0— 1 的区间中，然而线性回归方程不能做到。 另外概率发生的情况也不是线性的。 三、 Logistic 函数 Logistic 的概率函数定义为： 我们将多元线性组合