NO.07

ZEYI

06.2020

正文共： 2010字 28图预计阅读时间： 6分钟嘿喽，我是则已。这是stata的第七期学习。前面学习了最小二乘回归分析，非线性回归分析都要求因变量是连续变量，但很多时候因变量是离散的，即1就是1，2就是2，没有1-2之间的取值。这时候需要用到logistic回归分析。划线部分是自己要研究的变量。logistic回归 分析常用来进行logistic回归分析的方法有三种：二元logistic回归分析，多元logistics回归分析，有序logistic回归分析。01二元logistic回归分析二元logistic回归分析往往处理因变量只有两种取值的情况，例如是否患病，是否下雨等。

首先对六个变量包含的数字特征:list

结果分析：其实这和之前连续因变量的最小二乘回归分析中的描述性分析是一样的，主要是观察数据有没有极端值，数据能否接受等问题。我们先试试之前的最小二乘回归分析：regV1 V2 V3 V4 V5 V6

结果分析：这只是为说明它不适用于连续因变量的回归分析，你们看看这个结果：P值为0.2135，R方值为0.3695。整个模型既不显著，也不具有解释力。进行回logistic回归分析：logistic V1 V2 V3 V4 V5 V6

结果分析：这个结果说明模型得到了很大的改善：P值减小了，整体显著性提高。odds ratio优势比指在其他自变量保持不变的情况下，被观测自变量每增加一个单位的时候，因变量等于1发生的变化倍数。例如，保持其他变量不变，V6变化一单位将导致V1=1得到高于7.81925倍的增加。下面进行一下logit回归：logitV1 V2 V3 V4 V5 V6

结果分析：logit形式回归是自变量以系数来输出的回归结果，这样方便我们确定自变量的系数，更容易接受。看到第一列数据，我们可以看到只有V6是随因变量正向变化的。然后进行下一步操作：estat clas

结果分析：D是指一个样本的确发生了，-D指观测的样本的确没发生；+表示模型预测值大于分割点，-指模型预测值小于分割点。结合本例就是：D指细胞癌变了，+癌变概率大于0.05。主要看对角线的数量，所以6个观测样本是细胞发生癌变的概率大于50%即确实癌变了；10个观测样本细胞不发生癌变的概率小于50%，即也是发生癌变了。估计因变量的拟合值：predict yhat

结果分析：这里的yhat预测的是细胞发生癌变的概率。判断模型的解释能力：estat gof

结果分析：虽然模型的解释能力一般般，但是比最小二乘回归分析的模型0.144好多了。我们可以不按系统的50%预测概率：设为80%的预测概率：

estat clas,cutoff(0.8)

结果分析：可以发现概率提高到80%，模型预测准确度降到了75%。

我们还可以用Probit形式进行构建回归模型：

probit V1 V2 V3 V4 V5 V6

02多元logistic回归分析因变量有多个取值，但无大小顺序的情况，比如职业、婚姻情况等。

观测数据总体质量情况：list

最小二乘回归分析：reg V1 V2 V3

结果分析：不显著，模型解释能力也差。以第一组为参照组进行多元回归：mlogitV1 V2 V3,base(1)

结果分析：整体效果好像跟普通最小二乘回归相差不大。看第二组和第三组的Coef.的值，发现V2 V3都是大于1的，这说明V2和V3的值越大就容易分到第二组和第三组。可能有点难理解这个模型方程：首先第一组数据不用考虑，所有变量为0，g1等于0；第二组数据是概率的对数值，g2;第三组代表组的的方程。以相对比率的形式输出模型：mlogit V1 V2 V3,base(1)rrr

结果分析：RRR表示是指其他自变量保持不变的情况下，被观测单位每增加一个因变量为一，当V2增加，有相当大的概率被分到第三组，当年龄偏大时候也有很大的概率分到第三组。根据模型预测每个观测样本视力低下的可能性：predict eye1 eye2 eye3

结果分析：以第一个样本为例，V1看出是男性，V3看出十五岁，有0.8267的概率被分到第一组eye1近视稍轻。03有序logistic回归分析针对因变量虽然离散，但是存在一定的排序。例如消费者对产品：不喜欢，很喜欢，非常喜欢。

跟上面一样：list

reg V1 V2 V3

下面进行有序logistic分析：ologitV1 V2 V3

结果分析：可以看出V2和V3的值都是大于0的。说明V2和V3两个变量的值越大，越容易分到后面的组。cut指分割值，两个cut把样本分到了三个区间。当变量的拟合值介于cut1和cut2之间，被分到第二组——满意值为中度。预测每个观测变量的满意值可能的结果：predict satisfy1 satisfy2 satisfy3

结果分析：看第一个样本，V1表示是男性，V2表示学历为专科，有极大概率0.885进入第一组满意程度较高组。好啦，今天的学习到这里！如果有什么不懂，或者需要软件和教学资源请到后台联系我。

- End -

“如果喜欢这期内容那么请关注我吧”