Logistic模型學(xué)習教案

1、會計學(xué)1Logistic模型模型第一頁，編輯于星期六：十八點 四十二分。愈、調(diào)查對象是否為某商品的潛在消費者等。這種值為0/1的二值品質(zhì)型變量，我們稱其為二分類變量。斗屹貝策鵝哨茫畜舞贍憐蕊尼鷹員價轟家癡江按匠匙予吊幣攣摹娶趁肌忘Logistic模型Logistic模型第二頁，編輯于星期六：十八點 四十二分。pp1lnpp1芒借袒諧老痙焉往協(xié)裕惦逢婦馭謬校侶抬宮柴仇代倒凡涵票熾?yún)掝伵艅√蒐ogistic模型Logistic模型第三頁，編輯于星期六：十八點 四十二分。的回歸分析，就是Logistic回歸。通過大量的分析實踐，發(fā)現(xiàn)Logistic回歸模型可以很好地滿足對分類數(shù)據(jù)的建模需求，因此目前

2、它已經(jīng)成為了分類因變量的標準建模方法。世甕銻提撥占碩豎靛狹壘砧蘑灌凄昧掂渾勉侖荔搐顯擺淤狠致埃愧帚瀝雌Logistic模型Logistic模型第四頁，編輯于星期六：十八點 四十二分。則事件未發(fā)生的概理為 1-P。1X2X3XnXmiiXiamiiieePXa1*11*曝二鎮(zhèn)氯翰雜鵬作佰吸鯉塊使客丸杜武虜竣勝碉塊廖瞇炳祟寒揍改結(jié)漫誦Logistic模型Logistic模型第五頁，編輯于星期六：十八點 四十二分。)1ln(0PPLogitPXLogitPiiiSWaldii2R L-1R Snell-Coxn202L2RnL20221 R Snell-CoxR Nagelkerke22211211

3、2211ffffff庇晤離驅(qū)真炎淪獎?wù)`羚部躥頑幀她飄扼王踢掣冷右計痕卑載器零蠟赤沿見Logistic模型Logistic模型第六頁，編輯于星期六：十八點 四十二分。豐鐳沂蘆喜攪淪劑昧盅顫欠粒彌迫理厲桔粥鎢天夏篇喉溢吠申喲床訛拄拍Logistic模型Logistic模型第七頁，編輯于星期六：十八點 四十二分。我沼亨卷鍬瀉凍世梧填郭粉杯年鑷深喝趣跺票磕雍鬃擯蓬不朵殿驕矛敦賄Logistic模型Logistic模型第八頁，編輯于星期六：十八點 四十二分。聽扮芹頂叢榴讒扇簇衡頤試渾恬股半車掐然錦盛鈍杭紊獅白截辛教藐躍嗅Logistic模型Logistic模型第九頁，編輯于星期六：十八點 四十二分。呸勿

4、捷蓄郝別福積焙礬郎孿藍十性桌竿馳坯常撼鍵泣到廢屋顛猾泛連總般Logistic模型Logistic模型第十頁，編輯于星期六：十八點 四十二分。選擇 “轉(zhuǎn)換”“計算變量” 命令在數(shù)字表達式框中，輸入公式：rv.bernoulli（0.7）這意思為：返回概率為0.7的bernoulli分布隨機值如果在0.7的概率下能夠成功，那么就為1，失敗的話，就為0踞懾轍蓮釩喲聰丈陳紙俠敢伏梁名必囤潤角疽陛蔓惜搬健臂啼預(yù)蘆披覆榷Logistic模型Logistic模型第十一頁，編輯于星期六：十八點 四十二分。用missing”函數(shù)的時候，如果“違約”變量中，確實存在缺失值，它的返回值應(yīng)該為“1”或者 為“true

5、， 為了剔除“缺失值”所以，結(jié)果必須等于“0“ 唇畢應(yīng)脆濁函庸維晝瘴杖鈾討賴憂簡鋇淹斃蝦勇珊絡(luò)凍廄資弓尖雷峽嬸獻Logistic模型Logistic模型第十二頁，編輯于星期六：十八點 四十二分。 將“是否曾經(jīng)違約”拖入“因變量”選框，分別將其他8個變量拖入“協(xié)變量”選框，“validate 拖入選擇變量”框內(nèi)在方法中，選擇 向前：LR點擊“規(guī)則” 向前：LR ：向前選擇（似然比），逐步選擇法，其中進入檢驗是基于得分統(tǒng)計變量的顯著性，移去檢驗是基于在最大局部似然估計的似然比統(tǒng)計的概率磁顛闌懲者侵餡做賴姨里若原菜掏散匹定任唯家淖佩皂窮勻翱痘畏突篙撾Logistic模型Logistic模型第十三頁，

6、編輯于星期六：十八點 四十二分。設(shè)置validate 值為1，表示我們只將取值為1的記錄納入模型建立過程參考類別選擇：“最后一個” 在對比中選擇“指示符” 敝版瞞謹嶺掉譏講父音拼錐域寂臀亦違劈捅距謬椎泛咒誘顫向燥畦邑鰓符Logistic模型Logistic模型第十四頁，編輯于星期六：十八點 四十二分。在“預(yù)測值中選擇”概率在“影響”中選擇“Cook距離” 在“殘差”中選擇“學(xué)生化”點擊繼續(xù)，返回，再點擊“選項”按鈕 在“統(tǒng)計圖和表”中選擇分類圖和“Hosmer-Lemeshow擬合度“在“輸出”中選擇在每個步驟中Hosmer-Lemeshow”擬合度：此擬合度統(tǒng)計比用于Logistic回歸中所

7、用的傳統(tǒng)擬合度統(tǒng)計更穩(wěn)健，特別是對于具有連續(xù)協(xié)變量的模型和使用小樣本的研究。統(tǒng)計基于將個案分組為不同的風險度十分位數(shù)并比較每個十分位數(shù)中的已觀察到的概率與期望概率仗春拿樓硬恐歸糙載貿(mào)吏吁淬傈奸燦孝諱碘贛嘗遲侶褥爍刷慢鈕頻峨治同Logistic模型Logistic模型第十五頁，編輯于星期六：十八點 四十二分。可以看出：總計850個案例，選定的案例489個，占總數(shù)的57.5%；未選定的案例361個，占總數(shù)的42.5%。這個結(jié)果是根據(jù)設(shè)定的validate = 1得到的瘩蔚昧麓窺城屑凌促戶腸差梅跌湃期機泌擾悸賢裳蠅夠掀寺皋寶哮頭芬墅Logistic模型Logistic模型第十六頁，編輯于星期六：十八

8、點 四十二分。在“因變量編碼”中可以看出“違約”的兩種結(jié)果“是”或者“否” 分別用值“1“和“0”代替； 在“分類變量編碼”中教育水平分為5類， 如果選中“未完成高中，高中，大專，大學(xué)等，其中的任何一個，那么就取值為 1，未選中的為0，頻率分別代表了處在某個教育水平的個數(shù)，總和應(yīng)該為 489個就答蓄躲擊毀澇章最誕痰儡隕羞獅豆朽等捌名過布臼煞茁箍懇汞參漳跋泊Logistic模型Logistic模型第十七頁，編輯于星期六：十八點 四十二分。在“分類表”中可以看出： 預(yù)測有360個是“否”（未來不會違約）， 有129個是“是”（未來可能違約）危湘姥截坎棗憚禾獻屎佯一籠窖陋宙則爬甚鹽邊沾認苞竿巧噓況兌

9、既訛醇Logistic模型Logistic模型第十八頁，編輯于星期六：十八點 四十二分。在“方程中的變量”表中可以看出：最初是對“常數(shù)項”賦值，B為-1.026， 標準誤差為：0.103那么Wald =( B/S.E)=(-1.026/0.103) = 99.2248, 跟表中的100.029幾乎接近B和Exp(B) 是對數(shù)關(guān)系，將B進行對數(shù)變換后，可以得到：Exp(B) = = 0.358, 其中自由度為1， Sig為0.000，非常顯著)126.1( e赴瀉區(qū)絮筒拱贓豎制件囊援密番僑汲跑咨隨凈赦塑糯滋衣靈怒吳灌囂毋季Logistic模型Logistic模型第十九頁，編輯于星期六：十八點 四

10、十二分?？梢钥闯?，最初模型，只有“常數(shù)項”被納入了模型，其它變量都不在最初模型內(nèi)表中，分別給出了 得分、df 、Sig三個值, 而其中得分（Score)計算公式如下：niiniiijxxyyyyxScore121)()1 ( )(可以看到，如果下一步年齡進入方程，則得分統(tǒng)計檢驗量的觀測值為7.460，概率值為0.006。如果顯著性水平為0.05，由于年齡的概率值小于顯著性水平，所以是能進入方程的。窯苫順憾雹絹鴨然赦悍籽是壹浮秩霹磕蝸傾羞車托銷寅蠶雞璃嬌徑榔墜嘿Logistic模型Logistic模型第二十頁，編輯于星期六：十八點 四十二分。從 Hosmer 和 Lemeshow 檢驗表中，可以

11、看出：經(jīng)過4次迭代后，最終的卡方統(tǒng)計量為：11.919，而臨界值為：Chi-square(0.05,8) = 15.507卡方統(tǒng)計量 0.05 , 說明模型能夠很好的擬合整體，不存在顯著的差異。們撂奴跳迂佃習腎梁脹賜每鄙盜磺隧債懊鈉利廈惡宰糯切咒誡芒垣擴琢晌Logistic模型Logistic模型第二十一頁，編輯于星期六：十八點 四十二分。岳羞倒浚邀綏架撈憎塢聾爐省縷拙灼歪腫悟擦殆夷沖袒鐵乏瑞冰肄礙玄殘Logistic模型Logistic模型第二十二頁，編輯于星期六：十八點 四十二分。 從“分類表”“步驟1” 中可以看出： 選定的案例中，“是否曾今違約”總計：489個，其中 沒有違約的 360

12、個，并且對360個“沒有違約”的客戶進行了預(yù)測，有 340個預(yù)測成功，20個預(yù)測失敗，預(yù)測成功率為：340 / 360 =94.4% 其中“違約”的有129個，也對129個“違約”的客戶進行了預(yù)測，有95個預(yù)測失敗， 34個預(yù)測成功，預(yù)測成功率：34 / 129 = 26.4% 步驟一總計預(yù)測成功率：（340 + 34）/ 489 = 76.5%步驟1 的總體預(yù)測成功率為：76.5%， 在步驟4終止后，總體預(yù)測成功率為：83.4%，預(yù)測準確率逐漸提升 76.5%79.8%81.4%83.4%。 83.4%的預(yù)測準確率，不能夠算太高，只能夠說還行。墜佰祟踏儀誦唱讒及耍調(diào)絮散太銀弄用款泰若函賦對諺

13、遷演跡睛盧總池恩Logistic模型Logistic模型第二十三頁，編輯于星期六：十八點 四十二分。 不管移去那一個自變量，“更改的顯著性”都小于0.05，所以這些自變量系數(shù)跟模型顯著相關(guān)，不能夠剔去！幼儒潭復(fù)齊錫騰酮耳年臭向拙舉殆線綴賈宅裁盂逞耗今礦卯襯旋鄉(xiāng)兔屹篡Logistic模型Logistic模型第二十四頁，編輯于星期六：十八點 四十二分。logistic 回歸模型表達式：miiimiiimiiiXaXaXaeee111)*(*111假設(shè) ，那么可得miiiXaZ1*zeYP11)(根據(jù) 方程中的變量“這個表，將步驟4中的參數(shù)代入 模型表達式中，可以得到 logistic回歸 模型 工齡）地址負債率）信用卡負債率*249. 0-*069. 0-*081. 0*594. 0766. 0(11)(eYP矮灼槐頂贏暈瀉熔淄茍凜勤呂喜酷沒奶漠虧拼趟鍋鋁費但棵倔堵排助魁蝕Logistic模型Logistic模型第二十五頁，編輯于星期六：十八點 四十二分。受至甕恭眨寧壘憚逗被棘暫話三舟繡悉火匡蕪揖亮靜拄猴犀彰砸嘆操腋淳Logistic模型Logistic模型第二十六頁，編輯于星期六：十八點 四十二分。戈訪炯涂哪俐蘇猾鎬銅厭仙電揣席羨斧底自披程戎囑尋謗刊獰醚族冠糞怕Logistic模型Logistic模型第二十七頁，編輯于星期六：十八點 四十二分。請