二分类Logistic回归模型

　　Logistic回归属于概率型的非线性回归，分为二分类和多分类的回归模型。这里只讲二分类。

　　对于二分类的Logistic回归，因变量y只有“是、否”两个取值，记为1和0。这种值为0/1的二值品质型变量，我们称其为二分类变量。

　　假设在自变量$x_{1}, x_{2}, \cdots, x_{p}$作用下，y取“是”的概率是p，则取“否”的概率是1-p，研究的是当y取“是”发生的模率p与自变量$x_{1}, x_{2}, \cdots, x_{p}$的关系。

Logistic回归模型

①Logit变换

　　Logit 变换以前用于人口学领域，1970年被Cox引入来解决曲线直线化问题。

　　通常把某种结果出现的概率与不出现的概率之比称为称为事件的优势比odds，即假设在p个独立自变量$x_{1}, x_{2}, \cdots, x_{p}$作用下，记y取1的概率是$p=P(y=1 | X)$，取0概率是$1-p$，取1和取0的概率之比为$\frac{p}{1-p}$。Logit变换即取对数：$$\lambda  = \ln ({\rm{ odds }}) = \ln \frac{p}{ {1 - p}}$$

②Logistic函数

　　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logistic回归是指因变量为二分类变量的回归分析，目标概率的取值会在0~1之间，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，采用这种处理方法的回归分析，就是Logistic回归。Logistic函数为：

$$\operatorname{Logit}(p)=\ln \left(\frac{p}{1-p}\right)=Z，p=\frac{1}{1+\mathrm{e}^{-2}}$$

　　

　　Logistic回归模型中的因变量只有1和0（如是和否、发生和不发生）两种取值。对odds取自然对数即得Logistic变换$\operatorname{Logit}(p)=\ln \left(\frac{p}{1-p}\right) A$。

　　当p在(0，1)之间变化时，odds的取值范围是(0，+oo)，则Logistic函数的取值范围是(-oo，+oo)。

③Logistic回归模型

　　Logistic 回归模型是建立$\ln \left(\frac{p}{1-p}\right)$与自然变量的线性回归模型。