logistic regression_因变量是定性变量的回归分析—Logistic回归分析

编者按

logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。因此因变量就为是否胃癌，值为“是”或“否”，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

1 从多元线性回归到Logistic 回归

案例

对200个不同年龄和性别的人对某项服务产品的认可的数据(logi.sav)进行分析。其中： 年龄是连续变量,性别是有男和女(分别用1和0表示)两个水平的定性变量,而变量“观点”则为包含认可(用1表示)和不认可(用0表示)两个水平的定性变量。

从下面的图可以看出什么？

从下面这张图又可以看出什么？

这里观点是因变量, 只有两个值;所以可以把它看作成功概率为p的Bernoulli试验的结果。但是和单纯的Bernoulli试验不同，这里的概率p为年龄和性别的函数，必须应用Logistic回归。

2 多元线性回归不能应用于定性因变量

首先，多元线性回归中使用定性因变量严重违反本身假设条件，即：因变量只能取两个值时，对于任何给定的自变量值，e本身也只能取两个值。这必然会违背线性回