(12.4.1)--12.4logistic回归参数统计推断 美化课件.docx

多重回归分析简介

Logistic回归模型参数的统计推断

参数估计

极大似然估计(maximumlikelihoodestimate,MLE):

参数估计

以四格表为例来说明最大似然求解的意义及过程

发病(y=1)

不发病(y=0)

暴露(x=1)

a

b

不暴露(x=0)

C

d

合计

a+c

b+d

参数估计

用发病概率来表示四格表，可以得到四格表的另外一种表示形式：四格表的另外一种表达形式(1)

发病(y=1)

不发病(y=0)

暴露(x=1)

P?

1-P?

不暴露(x=0)

P?

1-P?

暴露者发病概率：p?=exp(a+Bx)/[1+exp(a+Bx)]

暴露者不发病概率：qo=1-P?=1/[1+exp(a+Bx)]

不暴露者发病概率：po=exp(a)/[1+exp(a)]

不暴露者不发病概率：qo=1-Po=1/[1+exp(a)]

参数估计

用发病概率来表示四格表，可以得到四格表的另外一种表示

形式：

四格表的另外一种表达形式(2)

发病(y=1)不发病(y=0)

暴露(x=对以上似然函数分别求对α和的一阶偏导数，不暴露(x再令两个偏导数为零，就可以解得α和β的估

计值，或采用Newton-Raphson迭代方法求取

因为四格表大似然估计值

L={e(a+B/[1e

{ea/[