二元logistic模型案例_二元逻辑回归的简介与操作演示

二元逻辑回归介绍

定义

Logistic回归主要用于因变量为分类变量（如是否等）的回归分析，自变量可以为分类变量，也可以为连续变量。它可以从多个自变量中选出对因变量有影响的自变量，并可以给出预测公式用于预测。而因变量为二分类的称为二项logistic回归，通常再解释变量为0和1二值品质变量的时候采用。

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， 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。

小提示：
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