前面的博客有介紹過對(duì)連續(xù)的變量進(jìn)行線性回歸分析,從而達(dá)到對(duì)因變量的預(yù)測(cè)或者解釋作用。那么如果因變量是離散變量呢?在做行為預(yù)測(cè)的時(shí)候通常只有“做”與“不做的區(qū)別”、“0”與“1”的區(qū)別,這是我們就要用到logistic分析(邏輯回歸分析,非線性模型)。
參數(shù)解釋(對(duì)變量的評(píng)價(jià))
發(fā)生比(odds): ODDS=事件發(fā)生概率/事件不發(fā)生的概率=P/(1-P)
發(fā)生比率(odds ratio):odds ratio=oddsB/oddsA (組B相對(duì)于組A更容易發(fā)生的比率)
注:odds ratio大于1或者小于1都有意義,代表自變量的兩個(gè)分組有差異性,對(duì)因變量的發(fā)生概率有作用。若等于1的話,該組變量對(duì)事件發(fā)生概率沒有任何作用。
參數(shù)估計(jì)方法
線性回歸中,主要是采用最小二乘法進(jìn)行參數(shù)估計(jì),使其殘差平方和最小。同時(shí)在線性回歸中最大似然估計(jì)和最小二乘發(fā)估計(jì)結(jié)果是一致的,但不同的是極大似然法可以用于非線性模型,又因?yàn)檫壿嫽貧w是非線性模型,所以邏輯回歸最常用的估計(jì)方法是極大似然法。