1.logistic 回歸簡(jiǎn)介

是針對(duì)變量為分類(lèi)變量二進(jìn)行回歸分析的一種統(tǒng)計(jì)方法榆骚，屬于概率行非線性回歸片拍。

在線性回歸中，因變量是連續(xù)變量妓肢，那么線性回歸能根據(jù)因變量和自變量之間存在的線性關(guān)系來(lái)構(gòu)建回歸方程捌省，

但是，一旦因變量是分類(lèi)變量碉钠，那么因變量與自變量之間就不存在這種線性關(guān)系了纲缓。這個(gè)時(shí)候，就要通過(guò)某種轉(zhuǎn)換來(lái)解決這個(gè)問(wèn)題了喊废，這個(gè)變換陳偉對(duì)數(shù)變換

對(duì)數(shù)變換的目的就是將非線性問(wèn)題轉(zhuǎn)換為線性問(wèn)題祝高，這樣就能夠使用線性回歸相關(guān)理論和方法來(lái)解決非線性回歸的問(wèn)題

1.1分類(lèi)變量（二分類(lèi)，多分類(lèi)）

二分類(lèi)：倆個(gè)分類(lèi)狀態(tài)污筷，例如用戶石佛普購(gòu)買(mǎi)商品工闺，用戶是否流失（銀邊領(lǐng)只有倆個(gè)值：1和0；對(duì)應(yīng)是和否颓屑，或者發(fā)生或沒(méi)發(fā)生

多分類(lèi)：就具有多個(gè)類(lèi)別的狀態(tài)斤寂，例如客戶的價(jià)值分類(lèi)可分為高價(jià)客戶，中價(jià)客戶揪惦，低價(jià)客戶

在模型預(yù)測(cè)中遍搞，不是直接就能得到分類(lèi)至1和0，而是可以發(fā)生的可能行大小來(lái)衡量器腋，換句話說(shuō)就是得到一個(gè)介于0和1之間的概率值p來(lái)進(jìn)行預(yù)測(cè)因變量出現(xiàn)某個(gè)狀態(tài)的可能性

1.2因變量和概率p之間的關(guān)系

0.5<=p<=1? 則因變量對(duì)應(yīng)的是分類(lèi)1? ?（是\發(fā)生）

0<=p<0.5? ? ?則因變量對(duì)應(yīng)的是分類(lèi)0? ?（不是\未發(fā)生）

1.3回歸方程如下：

log(p)=b0+b1x1+b2x2+b3x3+.......+bnxn

logistic 因變量是分類(lèi)變量

自變量和因變量呈非線性關(guān)系

因變量呈0/1分布

預(yù)測(cè)結(jié)果是介于0和1 之間的概率值

--------------------------------------------------

2.應(yīng)用行業(yè)：

營(yíng)銷(xiāo)活動(dòng)--用戶參與營(yíng)銷(xiāo)活動(dòng)相應(yīng)預(yù)測(cè)以及相應(yīng)潛在影響因素識(shí)別

消費(fèi)品行業(yè)--用戶購(gòu)買(mǎi)改了和預(yù)測(cè)以及購(gòu)買(mǎi)潛在影響因素識(shí)別

金融行業(yè)--用戶的信用度預(yù)測(cè)以及信用潛在影響因素識(shí)別

電信行業(yè)--用戶流失概率預(yù)測(cè)以及流失潛在影響因素識(shí)別

人力資源--員工流失概率預(yù)測(cè)一i及流失潛在影響因素識(shí)別

2.1

優(yōu)點(diǎn)溪猿，將非線性轉(zhuǎn)換成線性回歸問(wèn)題

缺點(diǎn)：回歸系數(shù)解釋不直觀，需要先做轉(zhuǎn)換才能解釋

如果只是研究自變量對(duì)因變量的影響程度纫塌，就可以對(duì)自變量回歸系數(shù)進(jìn)行大小比較诊县，不必轉(zhuǎn)換

-------------------------------------------------------

3案例分析（研究商戶是否與本公司續(xù)約合作的隱形因素及印象程度，以及預(yù)測(cè)其他區(qū)域商戶是否續(xù)約措左，為商務(wù)部門(mén)的后續(xù)工作計(jì)劃提供依據(jù)）

變量值1表示續(xù)約

變量值0表示未續(xù)約

續(xù)約數(shù)據(jù)示例

3.1步驟

分析--回歸--二項(xiàng)logistic

將續(xù)約移至因變量

注冊(cè)時(shí)間依痊，營(yíng)業(yè)收入，成本移至協(xié)變量中

logistic回歸對(duì)話框

保存--勾選概率--繼續(xù)--logistic復(fù)選框--確定????

logistic回歸：保存復(fù)選框

3.2回歸結(jié)果解讀：

個(gè)案處理摘要和因變量編碼

塊0?

部分可以忽略怎披，因?yàn)檫@個(gè)模型擬合的模型只有常數(shù)項(xiàng)胸嘁，不含任何自變量

塊0 包含三個(gè)部分

塊1.

logistics 回歸輸出結(jié)果，模型系數(shù)的omnibus檢驗(yàn)?

模型摘要

分類(lèi)表

對(duì)角線上的3 和6 分別表示未續(xù)約凉逛，和續(xù)約的正確值性宏，右下角的75%是正確百分比

說(shuō)明通過(guò)logistic 回歸分析能夠有75%的準(zhǔn)確性來(lái)判斷續(xù)約的狀態(tài)

方程中的變量

與線性回歸分析中的t檢驗(yàn)不同的是，logistic回歸系數(shù)的檢驗(yàn)統(tǒng)計(jì)量的為瓦爾德（wald）

用來(lái)判斷一個(gè)變量是否應(yīng)該包含在模型中状飞，判斷依據(jù)是考察是否應(yīng)該包含在模型中毫胜，判斷依據(jù)是考察第六列的顯著性格（p值）是否小于臨界值

3.3預(yù)測(cè)

1.在原數(shù)據(jù)即中輸入相應(yīng)的新增自變量值书斜，對(duì)應(yīng)的銀邊浪留空，在操作logistic： 保存中勾選預(yù)測(cè)值下方額概率復(fù)選框--運(yùn)行--預(yù)測(cè)值

2.將模型導(dǎo)出在采用平分享到的功能導(dǎo)入模型酵使，導(dǎo)入后即可查看建模方法荐吉，因變量，自變量等凝化，模型相關(guān)的信息--評(píng)分項(xiàng)到--對(duì)新數(shù)據(jù)集進(jìn)行預(yù)測(cè)評(píng)分制計(jì)算

1】生成模型

打開(kāi)logistics回歸 對(duì)話框--保存--將模型信息導(dǎo)出xml文件--瀏覽--logistic：保存--返回--繼續(xù)--logistic回歸對(duì)話框--確定

2】應(yīng)用模型預(yù)測(cè)

實(shí)用程序--評(píng)分導(dǎo)向--瀏覽--進(jìn)行預(yù)覽以查找評(píng)分模型--選擇--返回--下一步--評(píng)分導(dǎo)向--下一步--勾選預(yù)測(cè)值--完成