调查数据分析二元Logistic回归.ppt

Logistic回归模型估计：极大似然估计皮尔逊检验Hosmer-Lemeshow检验拟合优度检验（Goodnessoffit）CoxSnellRSquare指标和NagelkerkeRSquare指标Logistic回归模型的预测准确性Logistic回归模型的评价Logistic回归模型的拟合优度检验是通过比较模型预测的与实际观测的事件发生与不发生的频数有无差别来进行检验。如果预测的值与实际观测的值越接近，说明模型的拟合效果越好。12模型拟合优度信息指标有：-2lnL、AIC、SC。这3个指标越小表示模型拟合的越好。3模型的拟合优度检验方法有偏差检验（Deviance）、皮尔逊（pearson）检验、统计量(Homser-Lemeshow),分别计算统计量X2D、X2P、X2HL值。统计量值越小，对应的概率越大。原假设H0：模型的拟合效果好。拟合优度检验类R2是预测准确性的粗略近似，在自变量与因变量完全无关时，类R2值趋近于0；当和模型能够完美预测时，类R2趋近于1.01Logistic回归模型的预测准确性022Logistic回归模型的预测准确性CoxSnellRSquare指标其中与表示零假设模型与所设模型各自的似然值，n为样本容量。2.1Logistic回归模型的预测准确性然而对于logistic回归，上面定义的R最大值却小于1Nagelkerke提出一种logistic回归的调整确定系数030102Logistic回归方程的检验（对模型回归系数整体检验）：似然比检验（likehoodratiotest）、比分检验（scoretest）和Wald检验（waldtest）Logistic回归系数的显著性检验：Wald检验Logistic回归参数的的置信区间Logistic回归系数的置信区间发生比率的置信区间Logistic回归模型的统计推断1Logistic回归方程的显著性检验检验模型中所有自变量整体来看是否与所研究事件的对数优势比存在线性关系，也即方程是否成立。检验的方法有似然比检验（likehoodratiotest）、比分检验（scoretest）和Wald检验（waldtest）。三种方法中，似然比检验最可靠，比分检验一般与它相一致，但两者均要求较大的计算量；而Wald检验未考虑各因素间的综合作用，在因素间有共线性时结果不如其它两者可靠。似然比检验（likehoodratiotest）030201通过比较包含与不包含某一个或几个待检验观察因素的两个模型的对数似然函数变化来进行，其统计量为G（又称Deviance）。G=-2(lnLp-lnLk)样本量较大时，G近似服从自由度为待检验因素个数的?２分布。似然比检验当G大于临界值时，接受H1,拒绝无效假设，认为从整体上看适合作Logistic回归分析，回归方程成立。Logistic回归系数的显著性检验为了确定哪些自变量能进入方程，还需要对每个自变量的回归系数进行假设检验，判断其对模型是否有贡献。检验方法常用WaldX2检验。Logistic回归系数的显著性检验Wald检验该检验是基于在大样本情况下β值服从正态分布的性质。其中为的标准误。原假设：该自变量下的回归系数=0Logistic回归参数的的置信区间STEP01STEP02Logistic回归系数的置信区间为：发生比率的置信区间二分类Logistic回归method中文名称剔除依据Enter全部进入Forward:conditional向前逐步条件参数估计似然比Forward:LR向前逐步最大偏似然估计似然比Forward:Wald向前逐步Wald统计量Backward:conditional向后逐步条件参数估计似然比Backward:LR向后逐步最大偏似然估计似然比Backward:Wald向后逐步Wald统计量回归建模——二元Logistic回归模型01Logistic回归可直接预测事件发生的概率，若预测概率大于0.5，则预测发生（Y=1）；若预测概率小于0.5，则不发生（Y=0）。0203******许多社会科学的观察都只分类而不是连续的．比如，政治学中经常研究的是否选举某候选人；经济学研究中所涉及的是否销售或购买某种商品、是否签订一个合同等等．这种选择量度通常分为两类，即“是’与“否”．在社会学和人口研究中，人们的社会行为与事件的发生如犯罪、逃学、迁移、结婚、离婚、患病等等都可以按照二分类