![495ad3368acc9eafccb81978fe76b80c.gif](https://i-blog.csdnimg.cn/blog_migrate/97738d880c62cf13be5276af45758d34.gif)
NO.07
ZEYI
06.2020
正文共: 2010字 28图 预计阅读时间: 6分钟 嘿喽,我是则已。这是stata的第七期学习。
![c5ad56d55d870fe5dd4bc1f08c608d48.gif](https://i-blog.csdnimg.cn/blog_migrate/df8da64bf8bdf7cd0385b27a9b21c6c0.gif)
前面学习了最小二乘回归分析,非线性回归分析都要求因变量是连续变量,但很多时候因变量是离散的,即1就是1,2就是2,没有1-2之间的取值。这时候需要用到logistic回归分析。 划线部分是自己要研究的变量。 logistic回归 分析
![88c56c8266eec72d51421b52f09c12c3.png](https://i-blog.csdnimg.cn/blog_migrate/ac0f5f5af56584c00f039db2979cdfec.png)
常用来进行logistic回归分析的方法有三种:二元logistic回归分析,多元logistics回归分析,有序logistic回归分析。
01 二元logistic回归分析 二元logistic回归分析往往处理因变量只有两种取值的情况,例如是否患病,是否下雨等。
![f7142fee2954899fdd9211e11947ae71.png](https://i-blog.csdnimg.cn/blog_migrate/2af5ee60654ce5acf779e2f2bfafb47f.jpeg)
首先对六个变量包含的数字特征: list
![99e67dc43fb0e741f3be999664893260.png](https://i-blog.csdnimg.cn/blog_migrate/b7e71cf91c0f97c5d4139b3b9b40ca57.png)
结果分析:其实这和之前连续因变量的最小二乘回归分析中的描述性分析是一样的,主要是观察数据有没有极端值,数据能否接受等问题。 我们先试试之前的最小二乘回归分析: reg V1 V2 V3