SASlogistic邏輯回歸.pptx

當因變量只有兩個水平（如 生病/健康，成功/失?。?，多元回歸的方法將不再適用。假設我們將因變量編碼，1代表生病，0代表健康，我們希望回歸能得到一個0到1之間的數(shù)字，代表被試生病或健康的概率是多少。但是多元回歸會得到一個負值，或者大于1，這很難解釋。 logistic回歸可以處理這類問題。logistic回歸采用logit轉換是的預測方程得到0到1之間的值。logistic回歸方程預測被試在某個分類中的優(yōu)勢的自然對數(shù)。另外，logistic回歸方程的回歸系數(shù)可以用于估計每個自變量的優(yōu)勢比。,邏輯回歸（logistic regression）就是被邏輯方差歸化后的線性回歸。邏輯回歸與線性回歸不同，它可以處理分類變量。線性回歸主要處理連續(xù)變量。例如：邏輯回歸可以處理預測客戶是（0）否（1）流失，這里的0、1就是分類變量；線性回歸主要預測連續(xù)變量關系，提高廣告投放，對產品銷售的幫助曲線。,假設我們有一個數(shù)據(jù)，45個觀測值，四個變量，包括： age（年齡，數(shù)值型）； vision（視力狀況，分類型，1表示好，0表示有問題）； drive（駕車教育，分類型，1表示參加過駕車教育，0表示沒有） accident一個分類型輸出變量（去年是否出過事故，1表示出過事故，0表示沒有）。我們的目的就是要考察前三個變量與發(fā)生事故的關系。,data logistic; input accident age vision drive ; datalines; 1 17 1 1 1 4 4 0 0 1 48 1 0 1 55 0 0 1 75 1 1 0 35 0 1 0 4 2 1 1 0 57 0 0 0 28 0 1 0 20 0 1 0 38 1 0 0 4 5 0 1 0 47 1 1 0 52 0 0 0 55 0 1 1 68 1 0 1 1 8 1 0 1 68 0 0 1 48 1 1 1 17 0 0 1 70 1 1 1 7 2 1 0 1 35 0 1 1 19 1 0 1 62 1 0 0 39 1 1 0 4 0 1 1 0 55 0 0 0 68 0 1 0 25 1 0 0 17 0 0 0 4 5 0 1 0 44 0 1 0 67 0 0 0 55 0 1 1 61 1 0 1 1 9 1 0 1 69 0 0 1 23 1 1 1 19 0 0 1 72 1 1 1 7 4 1 0 1 31 0 1 1 16 1 0 1 61 1 0 ; proc logistic data=logistic descending; model accident=age vision drive; run; proc logistic data=logistic desending; model accident=age vision drive / selection=score ;run;,全模型法 全模型法是指在特定的模型大小范圍內，找出指定的最佳模型（具有最小的CP）。通常和BEST連用，如BEST=2，就表示在不同變量個數(shù)組成的全模型組中，選擇兩個最好的模型，顯然如果沒有best選擇，則全部組合數(shù)是C(N,2)。度量全模型的統(tǒng)計量是Cp,一般要求CpP，這里p是所有變量的個數(shù)加1. Cp=(n-p-1)(MS誤差p/MS誤差.全部-1)+(p+1)-來源網絡，不知道是否可靠 全模型法最大的好處是可以計算每一個變量組合下模型的C統(tǒng)計量以及對應的lift值，這樣可以做不同模型直接的比較，缺點是計算量大。調用的SAS命令：selection=score best= start= stop= 。其中start=選項表示最少的變量組合數(shù)，默認值是1；stop=選項表示最多的變量組合數(shù)，默認值是所有變量數(shù) SELECTION=SCORE叫最優(yōu)子集法,data logistic1; input accident age vision drive ; datalines; . 17 1 1 . 44 0 0 . 48 1 0 . 55 0 0 . 75 1 1 . 35 0 1 . 42 1 1 . 57 0 0 . 28 0 1 . 20 0 1 . 38 1 0 . 45 0 1 . 47 1 1 . 52 0 0 . 55 0 1 . 68 1 0 . 18 1 0 . 68 0 0 . 48 1 1 . 17 0 0 . 70 1 1 . 72 1 0 . 35 0 1 . 19 1 0 . 62 1 0 . 39 1 1 . 40 1 1 . 55 0 0 . 68 0 1 . 25 1 0 . 17 0 0 . 45 0 1 . 44 0 1 . 67 0 0 . 55 0 1 . 61 1 0 . 19 1 0 . 69 0 0 . 23 1 1 . 19 0 0 . 72 1 1 . 74 1 0 . 31 0 1 . 16 1 0 . 61 1 0 ; run;,