什么是二元logistic回归分析法

1. 什么是二元logistic回归分析法

2. 什么是二元logistic回归分析法

在回归分析模型 
Y=β0+β1X+ε（一元线性回归模型）中，Y是被解释变量，就称为因变量。X是解释变量，称为自变量。表示为：因变量Y随自变量X的变化而变化。协变量是指那些人为很难控制的变量，通常在回归分析中要排除这些因素对结果的影响。“选择变量”即是条件变量，并且有个条件定义按钮（rule），通过这个按钮可以给定一个条件，只有变量值满足这个条件的样本数据才参与回归分析。

做logistic 回归分析，用enter, foward, backword不同方法，结果为何不同?

答：当前进法和后退法给出的答案相同，这是模型稳健的一种象征，但并不总是这样。前进法和后退法无需得到相同回答的理由是特定变量的重要性常常取决于变量选择时模型中有哪些其他的变量。某一变量当另一变量（或一组变量）处在模型中时是重要的，而当这一变量（或一组变量）不在模型中时，它却不显著了。这称为抑制效应。



几种变量的选择技术的比较：

1、  
前进法：把变量逐次引入模型中。用已经在模型中的变量进行调整后的变量和结果变量间的相关程度决定引入的顺序（相关性最强的变量最先引入），最适于涉及样本含量小的研究。不能很好的解决抑制效应。
2、  
后退法：从模型中逐次剔除变量。用已经在模型中的变量进行调整后的变量和结果变量间的相关程度决定剔除的顺序（相关性最弱的变量最先剔除）。评价抑制效应比前进法好。
3、  
最优子集法：选择使某一特定参数达到最大的变量子集，但计算困难。
4、  
全变量法（全部变量）：同时引入所有的变量。如果自变量多、样本含量小或缺失数据多，把所有变量都包括进来可能会出问题。


二分类 logistic回归中“变量选择方法”有7种，以下是spss手册中的介绍。Logistic 
回归：变量选择方法：
方法选择允许您指定自变量将如何进入到分析中。通过使用不同的方法，您可以从相同的变量组构造多个回归模型。
- 
Enter.一种变量选择过程，其中一个块中的所有变量在一个步骤中输入。
- 向前选择（条件）. 
逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于在条件参数估计基础上的似然比统计的概率。
- 向前选择（似然比）. 
逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于在最大局部似然估计的似然比统计的概率。
-  向前选择 (Wald). 
逐步选择方法，其中进入检验是基于得分统计量的显著性，移去检验是基于 Wald 统计的概率。
- 向后去除（条件）. 
逐步向后选择。移去检验基于在条件参数估计的似然比统计量的概率。
- 向后去除（似然比）. 
逐步向后选择。移去检验基于在最大偏似然估计基础上的似然比统计量的概率。
- 向后去除（Wald）. 逐步向后选择。移去检验基于 Wald 
统计量的概率。
一般来说，backward更准确一些，后退法优于前进。但是变量太多，会很慢。
stepwise用的最广泛，但也有人说慎用逐步回归的方法。

总之，选哪种都行，选择拟合最好的就可以了。大致来说，就是决定系数R2最大的就是。

3. 二元logistic回归结果解读是什么？

二元logistic回归结果解读是用于因变量为分类变量。在研究X对于Y的影响时，如果Y为定量数据，那么使用多元线性回归分析SPSSAU通用方法里面的线性回归，如果Y为定类数据，那么使用Logistic回归分析。

二元logistic回归结果特点
可以将Logistic回归分析分为3类，分别是二元Logistic回归分析，多元有序Logistic回归分析和多元无序Logistic回归分析，Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据也可以为定量数据。
但要求Y必须为定类数据，并且根据Y的选项数使用相应的数据分析方法，在研究相关因素对样本将来是否愿意购买理财产品的影响情况时，性别专业等均为影响因素，而且明显的性别和专业属于定类数据，因此需要进行虚拟哑变量设置，可使用数据处理生成变量完成。

4. 二元logistic回归结果解读是什么？

相关回答如下：
Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。
还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。

相关介绍：
logistic回归又称logistic回归分析，是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。
例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。以胃癌病情分析为例，选择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必定具有不同的体征与生活方式等。
因此因变量就为是否胃癌，值为"是"或"否"，自变量就可以包括很多了，如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。
然后通过logistic回归分析，可以得到自变量的权重，从而可以大致了解到底哪些因素是胃癌的危险因素。同时根据该权值可以根据危险因素预测一个人患癌症的可能性。

5. 二元logistic回归结果解读

回归分析研究多个因素对结局的影响情况。如果结局变量是连续数值型变量,那么无论自变量是什么类型,都需要选择线性回归;例如,饮食对血糖的影响,必须选择线性回归,因为血糖为连续数值型变量。如果结局变量是二分类变量,例如家族史、不良生活习惯是否会导致卵巢癌,结局变量卵巢癌(有、无)为二分类变量,因此必须选择二元Logistic回归这种统计方法。 在医学研究中,二分类变量是非常常见的。例如,患者的存活和死亡、复发和未复发、预后良好和预后不良等等均为二元变量。

在研究X对于Y的影响时，如果Y为定量数据，那么使用多元线性回归分析（SPSSAU通用方法里面的线性回归）；如果Y为定类数据，那么使用Logistic回归分析。
结合实际情况，可以将Logistic回归分析分为3类，分别是二元Logistic回归分析、多元有序Logistic回归分析和多元无序Logistic回归分析，如下图。

Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。

6. 多元logistic回归分析结果怎么看

7. 二元logistic回归的调节作用

二元logistic回归的调节作用：就直接用二分变量logistic回归，如果是多种分类，就选择多项logistic回归，如果因变量是有序的，还可以用序次logistic回归。
变量为二分类的称为二项logistic回归，因变量为多分类的称为多元logistic回归。Odds：称为比值、比数，指某事件发生的可能性(概率)与不发生的可能性（概率）之比。OR（OddsRatio）：比值比，优势比。

Logistic回归实质：
发生概率除以没有发生概率再取对数。就是这个不太繁琐的变换改变了取值区间的矛盾和因变量自变量间的曲线关系。究其原因，是发生和未发生的概率成为了比值 ，这个比值就是一个缓冲，将取值范围扩大，再进行对数变换，整个因变量改变。
不仅如此，这种变换往往使得因变量和自变量之间呈线性关系，这是根据大量实践而总结。所以，Logistic回归从根本上解决因变量要不是连续变量怎么办的问题。还有，Logistic应用广泛的原因是许多现实问题跟它的模型吻合。例如一件事情是否发生跟其他数值型自变量的关系。

8. 如何采用逐步回归的方式代入二元logistic回归分析模型

在研究X对于Y的影响时，如果Y为定量数据，那么使用多元线性回归分析（SPSSAU通用方法里面的线性回归）；如果Y为定类数据，那么使用Logistic回归分析。结合实际情况，可以将Logistic回归分析分为3类，分别是二元Logistic回归分析、多元有序Logistic回归分析和多元无序Logistic回归分析，【摘要】
如何采用逐步回归的方式代入二元logistic回归分析模型【提问】
在研究X对于Y的影响时，如果Y为定量数据，那么使用多元线性回归分析（SPSSAU通用方法里面的线性回归）；如果Y为定类数据，那么使用Logistic回归分析。
结合实际情况，可以将Logistic回归分析分为3类，分别是二元Logistic回归分析、多元有序Logistic回归分析和多元无序Logistic回归分析，【回答】
Logistic回归分析用于研究X对Y的影响，并且对X的数据类型没有要求，X可以为定类数据，也可以为定量数据，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。【回答】
【回答】
希望能帮到你亲【回答】
祝您生活愉快天天开心【回答】
比心比心❤️❤️【回答】
采用逐步回归的方式找到显著性变量后，还需要对这些显著变量进行logistic回归分析吗【提问】
需要的亲【回答】
Logistic回归分析用于研究X对Y的影响，但要求Y必须为定类数据，并且根据Y的选项数，使用相应的数据分析方法。【回答】
谢谢！还有一个问题分类变量（分3类）怎么进行二元logistic回归呢【提问】
这个需要用多元线性来做【回答】