文档介绍：实验报告八实验课程：回归分析实验课专业：统计学学号：
指导教师：
完成时间：
得分:
教师评语:
学生收获与思考:
实验八含定性变虽的回归模型（4学时）实验目的
掌握含定性变量的回归模型的建模步骤
=1，玻璃未破碎记y=，并解释回归方程的含义。
模型信息：
模型信息
数据集
响应变量
Y
响应水平数
2
模型
二元Logit
优化方法
Fisher评分法
响应概况
模型拟合统计量
有序
ffi
y
总
淮则
但截距
截距和协变星
AIC
31..970
1
0
16
SC
2
i
10
*2L
27,976
模型解出的是y=0的概率。
检验全局零假设：BETA=0
楼验
卡方
自由度
Pr＞卡方
似然比
1
0098
评分
1
Wald
1
由三个检验中，,可以认为模型是显著的。
优比估^值
效应
点估计值
95%Wald置信限
h
<
<
预测BE率和观测响应的关联
一致部分所占百分比
SomersD
不一致部分所占百分比
21,3
Gamma
结值百分比
Tau-a
对
160
c
由Wald检验的显著性概率及其P值，可以看出，h变量对方程的影响是显著的。
最大似然估计值分析
参数
自由JS
估计值
准差标误
Wald
卡方
Pr＞卡方
Intercept
1
•3526
h
1
-7,9814
3+S472
002M
由极大似然估计，各个参数系数也通过检验。因此模型有效。
exp()p(y0)二元logit模型为1exp()模型意义为，小球掉落高度为h,则玻璃未破碎的概率为p,而y=0表示玻璃未破碎。
也就是说，该种新型的玻璃，用小球对其撞击，当小球的掉落高度为h时，玻璃未破碎的概率就是p(y0)次()1exp()，那么，玻璃会破碎的概率就为l-p(y=0),这也可以看成是一种比例，就是大量实验中，同个高度h,玻璃会被击破的比例。
SAS程序：
datawjz;inputhy;/*引入虚拟变量，将公司类型的互助设为0,股份设为1*/
cards;
0
0
0
0
1
0
0
0
0
1
0
0
0
1
0
1
0
0
1
1
0
1
0
1
1
1
Jrun
proclogisticdata=wjz;modely=h;|run;|proclogisticdata=wjz;classh;|modely=h/link=glogitaggregatescale=none;run;|某学校对本科毕业生的去向做了一个调查，分析影响毕业去向的相关因素，、”=工作，“2”=读研，“3”=出国留学。性别“1”=男生，“0”=女生。用多类别的Logisitic回归分析影响毕业去向的因素。
专业课X1英语X2性别X3月生活费X4毕业去向y模型信息
敖据集
响应变呈
y
响应水平数
模瘟
广义Loeit
优化方法
Newton-Raphson
响应枢况
有序值
y
总频数
1
1
17
2
2
16
3
3
1
偏差利Pearson拟合状度境计量
准则
值
白曲度
值/自由度
Pr＞卡方
偏差
70
Pearson
00J123
70
,说明模型拟合的较好。
检验全局零假设：BETA=O
检验
卡方