LOGISTIC 回归 线性模型的几种表现形式分析.pptVIP

LOGISTIC 回归 线性模型—一般线性模型 线性模型—广义线性模型 线性模型的条件 LINE L Linear I Independence N Normal distribution E Equal variance LOGISTIC 模型 二值变量（0，1）资料的logit变换 设P为事件发生的概率 例1. 饮酒与高血压 例1 SAS结果解释--变量赋值 Response Profile Ordered Total Value y Frequency 1 1 200 2 0 774 Probability modeled is y=1. 模型中假（哑）变量的定义问题 模型中假变量的向量表示 或 参数估计及模型检验 最大似然法：使似然函数L达到最大。 拟合优度检验： H0:模型拟合观察资料； H1:模型不拟合观察资料。 拟合优度检验统计量： -2ln(L) 在大样本条件下近似服从ν=N-m-1的χ2分布 变量筛选 似然比检验（最常用） 记分检验: 统计量：SCORE （公式略） Wald检验 例1 模型检验统计量 Model Fit Statistics Intercept Intercept and Criterion Only Covariates AIC 991.029 802.456 SC 995.910 836.626 -2 Log L 989.029 788.456 例1 模型检验结果 Testing Global Null Hypothesis: BETA=0 ? Test Chi-Square DF Pr ChiSq ? Likelihood Ratio 200.5731 6 .0001 Score 183.5523 6 .0001 Wald 125.0228 6 .0001 例1 模型吻合情况 Association of Predicted Probabilities and Observed Responses Percent Concordant 75.1 Somers D 0.594 Percent Discordant 15.7 Gamma 0.654 Percent Tied 9.1 Tau-a 0.194 Pairs 154800 c 0.797 例1 结果—参数估计 Standard Wald Parameter DF Estimate Error Chi-Square Pr ChiSq Intercept 1 -5.0534 1.0094 25.0637 .0001 a1 1 1.5426 1.0659 2.0944 0.1478 a2 1 3.1990 1.0231 9.7763 0.0018 a3 1 3.7182