logit回归模型的参数估计过程_logistic回归模型的参数估计是什么书里的内容

Logistic回归简介

Logistic回归：主要用于因变量为分类变量(如疾病的缓解、不缓解，评比62616964757a686964616fe78988e69d8331333363383438中的好、中、差等)的回归分析，自变量可以为分类变量，也可以为连续变量。因变量为二分类的称为二项logistic回归，因变量为多分类的称为多元logistic回归。

Odds：称为比值、比数，是指某事件发生的可能性(概率)与不发生的可能性(概率)之比。

OR(Odds Ratio)：比值比，优势比。

2.SPSS中做Logistic回归的操作步骤

分析>回归>二元Logistic回归

选择因变量和自变量(协变量)

3.结果怎么看

一些指标和数据怎么看

“EXP(B)”即为相应变量的OR值(又叫优势比，比值比)，为在其他条件不变的情况下，自变量每改变1个单位，事件的发生比“Odds”的变化率。

伪决定系数cox  Snell R2和Nagelkerke R2，这两个指标从不同角度反映了当前模型中自变量解释了因变量的变异占因变量总变异的比例。但对于Logistic回归而言，通常看到的伪决定系数的大小不像线性回归模型中的决定系数那么大。

预测结果列联表解释，看”分类表“中的数据，提供了2类样本的预测正确率和总的正确率。

建立Logistic回归方程

logit(P)=β-0+β1*X1+β2*X2+……+βm*Xm

4.自变量的筛选方法和逐步回归

与线性回归类似，在Logistic回归中应尽量纳入对因变量有影响作用的变量，而将对因变量没