二元logistic模型案例_二元Logistic回归

点击上方蓝字关注我们

在社会科学的研究中，经常会遇到二元变量的情况，例如死亡或未死亡、购买或未购买等，对于二元变量，无法直接采用一般的多元线性模型无法进行回归分析，因为残差不满足正态性、无偏性、共方差性等假设，同时解释变量的取值范围不再是-∞~+∞。如果希望根据一系列预测变量的值来预测某种特征或结果是否存在，且因变量为二元变量，通常采用二元Logistic回归。

1 二元逻辑回归分析的原理 与线性回归模型一样，二元逻辑回归模型也需要对模型进行检验和评价，同样分为对回归方程整体的显著性检验、回归系数的显著性检验和模型拟合优度评价。 1.回归方程整体显著性检验 与一般的线性模型一样，二元逻辑回归方程的显著性检验用于检验In 与所有变量之间的线性关系是否显著，检验的原假设是各回归系数同时为零，备选假设为各回归系数不同时为零。 常用的检验方法有对数似然比检验和Hosmer-Lemeshow检验。 2.回归系数的显著性检验 与一般线性回归模型一样，还需要对每个回归系数