逻辑斯谛回归

易经学习

天地变化的道理

分类目录

使用率很高网站

文章列表

生活要常常分享

维基百科

您身边百科全书

产品秀秀

免费为您秀产品

逻辑斯谛回归

点击查看词条快照

逻辑回归（，又译作逻辑斯回归、罗吉斯回归、逻辑斯谛回归、对数几率回归），在统计学中是一种对数几率模型（，又译作逻辑斯谛模型、评定模型、分类评定模型），是离散选择法模型之一，属于多元变量分析范畴，是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。通过使事件的对数发生率（log-odd）成为一个或多个自变量的线性组合，对事件发生的概率进行建模。形式上，在二元逻辑回归中，有一个二元因变量，由指示变量编码，其中两个值标记为“0”和“1”，而自变量每个都可以是二元变量（两个类，由指示变量）或连续变量（任何实值）。标记为“1”的值的相应概率可以在0和1之间变化；将对数发生率转换为概率的函数就是逻辑斯谛函数，因此得名。对数发生率单位称为"logit"，来自logistic unit。二元变量在统计学中广泛用于对某一类别或事件发生概率的建模，例如团队获胜概率、患者健康概率等，而其中，逻辑模型则自大约 1970年以来最常用的二元回归模型。当存在两个以上可能值（例如图像是否是猫、狗、狮子等）时，二元变量可以推广为分类变量，并且二元逻辑回归推广为多项逻辑回归。如果多个类别是有序的，则可以使用序数逻辑回归。逻辑回归模型本身只是简单地根据输入对输出概率进行建模，并不执行统计分类。例子. 以一个例子说明逻辑回归如何解决实际问题：一个小组20名学生，各自花费0~6小时准备考试，他们不同的学习时数如何影响通过考试的概率？问题中的因变量是考试“通过”或者“挂科”，这是用逻辑回归的原因，虽然分别用“1”和“0”表示，但这两个数字不代表基数。如果问题发生变化，用0-100的成绩（基数）代替通过、挂科，则可以使用回归分析。下表显示每个学生花费在学习上的小时数，以及他们通过（1）或挂科（0）。对学习时间（"xk"）和测试结果（"yk" = 1 表示通过，0 表示挂科）组成的数据进行拟合。数据点由下标k索引，该下标从1到20。x变量称为“自变量”，y变量称为“分类变量”，由“通过”或“失败”两个类别组成，分别对应于分类值1和0。模型. 逻辑函数形式为： formula_1 其中"μ"是位置参数（曲线的中点，其中formula_2），"s"是尺度参数。该式可重写为： formula_3 formula_4称为截距，是直线formula_5的"y"截距。formula_6是反比例参数或速率参数，是作为"x"函数的对数发生率的"y"截距和斜率。反之，formula_7，并且formula_8。 formula_9 逻辑斯谛分布公式. 其中参数formula_10常用最大似然估计。 IIA假设. 全名为Independent and irrelevant alternatives假设，也称作IIA效应，指Logit模型中的各个可选项是独立的。 IIA假设示例. 市场上有A，B，C三个商品相互竞争，分别占有市场份额：60%，30%和10%，三者比例为：6:3:1 一个新产品D引入市场，有能力占有20%的市场—— 如果满足IIA假设，各个产品独立作用，互不关联：新产品D占有20%的市场份额，剩下的80%在A、B、C之间按照6:3:1的比例瓜分，分别占有48%，24%和8%。如果不满足IIA假设，比如新产品D跟产品B相似度高，则新产品D的CP值高而夺去产品B的部分市场(总份额的20%)，则产品B剩余10%，而产品A和C的市场份额保持60%和10%不变。 IIA假设的检验. Hausman检验. 杰里·A·奥斯曼和丹尼尔·麦克法登提出的。 IIA问题的解决方法. 一般化极值模型. 可以将可选项间的相关性建模巢式Logit模型. 巢式（Nested）表示可选项被分作不同的组，组与组之间不相关，组内的可选项相关，相关程度用1-λg来表示（1-λg越大，相关程度越高）应用. 配体结合分析. 配体结合分析的典型校准曲线是S形的，下边界（渐近线）靠近背景信号（非特异性结合），而上渐近线靠近最大的饱和响应。四参数逻辑模型通常是拟合这种形状校准曲线的首选，可以准确描述测量信号值与分析物浓度之间的S形关系。当不对称性明显时会添加第五个参数，但可能会导致拟合算法变得不稳定。参考书目.

崇文区

2006年冬季奥林匹克运动会德国代表团

台湾府知府

上海轨道交通2号线

上海轨道交通3号线

上海轨道交通4号线

上海轨道交通5号线

欧洲现有商业化学品目录

富临饭店

布莱斯峡谷国家公园

𱎼家人

首字母缩略字