文档介绍：会计学
1
SPSSLogistic回归分析及其应用图文
-
-

X：自变量

F(y) ：因变量的logit值
如果一定要进行直线回归也可以做出结果，但此时效果不佳。当自变量取一定值时，因变量的预测值可能为负数。
第2页/共62页
第1页/共62页
Logistic回归曲线
第3页/共62页
第2页/共62页
一般直线回归难以解决的问题
因变量为分类变量，分类变量间的差距是不等距的
如果因变量表示事件发生的概率，通常与自变量之间不存在线性关系
不能保证在自变量的各种组合下，因变量的取值仍限制在0~1内
第4页/共62页
第3页/共62页
寻找合适的模型
进行logit变换：
其中：p为因变量取值为1(y=1)的概率，p/(1-p)称为发生比(OR)
第5页/共62页
第4页/共62页
最终可得p值：
第6页/共62页
第5页/共62页
概述小结
logistic回归对因变量的发生比的对数值（ logit值）建立模型
因变量的logit值的改变与多个自变量的加权和呈线性关系
因变量呈二项分布
第7页/共62页
第6页/共62页
Logistic回归模型的估计方法
最大似然估计法(Maximum likelihood　estimation，MLE)。最大似然估计法通过最大化对数似然值(log likelihood)估计参数。(对应于最小二乘法OLS)
最大似然估计法是一种迭代算法，它以一个预测估计值作为参数的初始值，根据算法确定能增大对数似然值的参数的方向和变动。估计了该初始函数后，对残差进行检验并用改进的函数进行重新估计，直到收敛为止（即对数似然不再显著变化）。
第8页/共62页
第7页/共62页
理解“似然”
似然(likelihood)即概率，特别是由自变量观测值预测因变量观测值的概率。与任何概率一样，似然的取值范围在0、1 之间。对数似然值(log likelihood，LL)是它的自然对数形式，由于取值范围在[0,1]之间的数的对数值负数，所以对数似然值的取值范围在0 至-∞之间。对数似然值通过最大似然估计的迭代算法计算而得。
第9页/共62页
第8页/共62页
Logistic回归模型的检验
-2logL（似然比检验，Omnibus Test）：检验全部自变量的作用是否显著。较为可靠。适用于含连续性变量的情况。模型拟合好，值大，P值小。
Hosmer-Lemeshow检验：评价估计概率和观察概率接近的程度。适用于含连续性变量的情况。模型好，值小，P值大。
Goodness-of-fit：模型好，P值小。（只有当每个协变量模式含有大量的观测量时，才能使用该统计量。）
第10页/共62页
第9页/共62页