分类导航

LOGISTIC回归分析

发布时间：2017年03月01日作者：文章转自网络，版权归原作者所有，反馈可立刻删除 (该文来自笔记，点击查看原文)

前面的博客有介绍过对连续的变量进行线性回归分析，从而达到对因变量的预测或者解释作用。那么如果因变量是离散变量呢？在做行为预测的时候通常只有“做”与“不做的区别”、“0”与“1”的区别，这是我们就要用到logistic分析（逻辑回归分析，非线性模型）。

参数解释（对变量的评价）

发生比(odds)： ODDS=事件发生概率/事件不发生的概率=P/(1-P)

发生比率（odds ratio）：odds ratio=odds_B/odds_A(组B相对于组A更容易发生的比率）

注：odds ratio大于1或者小于1都有意义，代表自变量的两个分组有差异性，对因变量的发生概率有作用。若等于1的话，该组变量对事件发生概率没有任何作用。

参数估计方法

线性回归中，主要是采用最小二乘法进行参数估计，使其残差平方和最小。同时在线性回归中最大似然估计和最小二乘发估计结果是一致的，但不同的是极大似然法可以用于非线性模型，又因为逻辑回归是非线性模型，所以逻辑回归最常用的估计方法是极大似然法。