SPSS—二元Logistic回归（转）

二元Logistic，从字面上其实就可以理解大概是什么意思，Logistic中文意思为“逻辑”但是这里，并不是逻辑的意思，而是通过logit变换来命名的，二元一般指“两种可能性”就好比逻辑中的“是”或者“否”一样，

Logistic 回归模型的假设检验——常用的检验方法有似然比检验（likelihood ratio test） 和 Wald检验）
似然比检验的具体步骤如下：

1：先拟合不包含待检验因素的Logistic模型，求对数似然函数值INL0         

2：再拟合包含待检验因素的Logistic模型，求新的对数似然函数值InL1

3:最后比较两个对数似然函数值的差异，若两个模型分别包含l个自变量和P个自变量，记似然比统计量G的计算公式为 G=2(InLP - InLl). 在零假设成立的条件下，当样本含量n较大时，G统计量近似服从自由度为 V = P-l 的 x平方分布，如果只是对一个回归系数（或一个自变量）进行检验，则 v=1.

wald 检验，用u检验或者X平方检验，推断各参数βj是否为0，其中u= bj / Sbj,  X的平方=（bj / Sbj),  Sbj 为回归系数的标准误

   这里的“二元”主要针对“因变量”所以跟“曲线估计”里面的Logistic曲线模型不一样，二元logistic回归是指因变量为二分类变量是的回归分析，对于这种回归模型，目标概率的取值会在（0-1），但是回归方程的因变量取值却落在实数集当中，这个是不能够接受的，所以，可以先将目标概率做Logit变换，这样它的取值区间变成了整个实数集，再做回归分析就不会有问题了，采用这种处理方法的回归分析，就是Logistic回归

设因变量为y, 其中“1” 代表事件发生， “0”代表事件未发生，影响y的 n个自变量分别为 x1,  x2 ,x3 xn等等

记事件发生的条件概率为 P

那么P=   事件未发生的概理为 1-P

 

事件发生跟”未发生的概率比 为( p / 1-p ) 事件发生比，记住Odds

将Odds做对数转换，即可得到Logistic回归模型的线性模型：

     还是以教程“blankloan.sav"数据为例，研究银行客户贷款是否违约（拖欠）的问题，数据如下所示：

 

上面的数据是大约700个申请贷款的客户，我们需要进行随机抽样，来进行二元Logistic回归分析，上图中的“0”表示没有拖欠贷款，“1”表示拖欠贷款，接下来，步骤如下：

   1：设置随机抽样的随机种子，如下图所示：

 

选择“设置起点”选择“固定值”即可，本人感觉200万的容量已经足够了，就采用的默认值，点击确定，返回原界面、

 2：进行“转换”—计算变量“生成一个变量（validate)，进入如下界面：

 

在数字表达式中，输入公式：rv.bernoulli（0.7），这个表达式的意思为：返回概率为0.7的bernoulli分布随机值

如果在0.7的概率下能够成功，那么就为1，失败的话，就为"0"

  为了保持数据分析的有效性，对于样本中“违约”变量取缺失值的部分，validate变量也取缺失值，所以，需要设置一个“