文档介绍：分类变量分析通常采用对数线性模型(Log-linearmodel),而因变量为二分变量时,,因此可以利用它预测某事件发生的概率。例如在可以根据消费者的一些特征,判断购买某项产品概率有多大。目的:作出以多个自变量估计因变量的logistic回归方程。属于概率型非线性回归。资料:;,可有少数数值变量。分类变量要数量化。用途:研究哪些变量影响因变量,影响程度方向、大小等。——二元Logistic回归模型当虚拟变量作为因变量,虚拟变量有两个取值,可使用二元Logistic回归。例:在一次有关公共交通的调查中,一个调查项目为“是乘坐公交车上下班,还是骑自行车上下班”。因变量有两个取值,当取值为1,乘坐公交车上下班;取值为0,骑自行车上下班。回归建模——二元Logistic回归模型回归建模——二元Logistic回归模型自变量(解释变量):X1:年龄,取值从18到58;X2:月收入(元),取值850、950、1000、1200、1300、1500、1800、2100;X3:性别,取值为1,表示男性;取值为0,表示女性。回归建模——二元Logistic回归模型研究目的:X1,X2,X3等因素对因变量(使用什么交通方式)有无影响?建立Y与X的多元线性回归模型?(取值0和1)7回归建模——二元Logistic回归模型建立p(Y=1|X)与X的多元线性回归模型?(取值范围0~1)8线性回归模型的基本假定:(1)随机误差项具有0均值:(2)随机误差项具有同方差:(3)随机误差项在不同样本点之间是独立的,不存在序列相关:(4)随机误差项与解释变量(自变量)之间不相关:(5)随机误差项服从0均值、同方差的正态分布回归建模——二元Logistic回归模型1、发生概率p的大小取值范围[0,1],p与自变量的关系难以用多元线性模型来描述。2、当p接近0或者1时,p值的微小变化用普通的方法难以发现和处理好。总:能不能找到一个p的严格单调函数Q,就会比较方便;同时要求Q对在p=0或p=1的附近的微小变化很敏感。