菜鸟的数学建模之路（五）：Logistic模型

matlab实现

Logistic回归跟多元线性回归差不多，但是有区别：
（1）线性回归：y是一个定量的变量，这时y对于不同的自变量来说有相应的值。
（2） Logistic回归：y是一个定性的变量，比如y只能等于0或1。
模型的基本形式：

但是在实际应用该模型的时候，常常不是不是直接对P进行回归，而是先定义单调连续概率函数π，令：
于是Logistic模型就可以变形为：
例子（“MATLAB数学建模方法与实践（第3版）”第55页）

评估企业的还款能力，已知前20家企业的评价指标和评价结果，要求对剩余5家企业进行评估,0表示2年后有能力还款，1表示2年后没有能力还款，评估2年后是否有能力还款。
解答：1）确定pi和P之间的映射关系，例子评测结果里面有10个0,10个1，数量相等，可以取分界值0.5，即：

2)对于20家企业，只知道评估结果P（即0和1），没法做多元线性回归，即已知x1,x2,x3,但是不知道y(这里π就相当与y,因为π是对应的概率函数),所以为了方便计算，干脆取两个区间的中间值，即：

所以有：
matlab代码

% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
% Logistic1.docx例子解答：
% （1）确定pi和P之间的映射关系，例子评测结果里面有10个0,10个1，数量相等，可以取分界值0.5，即：
%                                                                               pi<=0.5,P = 0;
%                                                                               pi> 0.5,P = 1;
%  (2)对于20家企业，只知道评估结果P（即0和1），没法做多元线性回归，即已知x1,x2,x3,但是不知道y(这里pi就相当与y,因为pi是对应的概率函数),所以
%     为了方便计算，干脆取两个区间的中间值，即（0+0.5）/2和（0.5+1）/2,所以列表里面的Y等于0的全部换为0.25，全部为1的换为0.75
%
%     到此y值便确定了，即0.25和0.75的组合。
%
% matlab实现（利用多元线性回归）：
% (1)输入：
%         x1（1*n）矩阵存储x1坐标
%         x2（1*n）矩阵存储x2坐标
%         ......
%         y1（1*n）矩阵存储y坐标
%         y2（1*n）矩阵存储y2坐标
%         ......
% (2)输出：
%         [b,bint,r,rint,s]=regress(Y,X,alpha);里面的所有参数，回归系数b构成多元回归模型
%         残差图分析
%         相关系数b
%         验证的所以数据的0或1
%
%
% 重点：如果出现错误;"错误使用 horzcat串联的矩阵的维度不一致"可能是X,Y那里的行矩阵和列矩阵的转化出现问题
% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %% 数据的存储
x1 = [-62.8 3.3 -120.8 -18.1 -3.8 -61.2 -20.3 -194.5 20.8 -106.1 43 47 -3.3 35 46.7 20.8 33 26.1 68.6 37.3];
x2 = [-89.5 -3.5 -103.2 -28.8 -50.6 -56.2 -17.4 -25.8 -4.3 -22.9 16.4 16 4 20.8 12.6 12.5 23.6 10.4 13.8 33.4];
x3 = [1.7 1.1 2.5 1.1 0.9 1.7 1 0.5 1 1.5 1.3 1.9 2.7 1.9 0.9 2.4 1.5 2.1 1.6 3.5 ];
y = [0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.75 0.75 0.75 0.75 0.75 0.75 0.75 0.75 0.75 0.75];% 绘制散点图
% subplot(1,3,1);plot(x1,y,'g*');
% subplot(1,3,2);plot(x2,y,'k+');
% subplot(1,3,3);plot(x3,y,'ro');% 数据的长度
n=length(x1); % X,Y制作
X=[ones(n,1),x1',x2',x3'];
Y = y';% 注意matlab的log是数学上的ln
Y = log(Y./(1-Y));% 线性分析
[b,bint,r,rint,s]=regress(Y,X,0.05);
% b,bint,r,rint,s% 残差分析
% rcoplot(r,rint);% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %
% 求解完系数后代入要预测的数值
% 模型的验证和应用
x11 = [-62.8 3.3 -120.8 -18.1 -3.8 -61.2 -20.3 -194.5 20.8 -106.1 43 47 -3.3 35 46.7 20.8 33 26.1 68.6 37.3 -49.2 -19.2 40.6 34.6 19.9];
x22 = [-89.5 -3.5 -103.2 -28.8 -50.6 -56.2 -17.4 -25.8 -4.3 -22.9 16.4 16 4 20.8 12.6 12.5 23.6 10.4 13.8 33.4 -17.2 -36.7 5.8 26.4 26.7];
x33 = [1.7 1.1 2.5 1.1 0.9 1.7 1 0.5 1 1.5 1.3 1.9 2.7 1.9 0.9 2.4 1.5 2.1 1.6 3.5 0.3 0.8 1.8 1.8 2.3];
n = length(x11);
p = zeros(1,n);for i = 1:length(x11)Pai0 = exp(b(1,1) + b(2,1)*x11(1,i) +b(3,1)*x22(1,i) + b(4,1)*x33(1,i))/(1+exp(b(1,1) + b(2,1)*x11(1,i) +b(3,1)*x22(1,i) + b(4,1)*x33(1,i)));if(Pai0<=0.5)p(1,i) = 0;elsep(1,i) = 1; end
end
b'
p

结果：

SPSS实现

Logistic（在使用该模型时先看本文第4点）
线性回归是很重要的一种回归方法，但是线性回归只适用于因变量为连续型变量的情况，那如果因变量为分类变量呢？比方说我们想预测某个病人会不会痊愈，顾客会不会购买产品，等等，这时候我们就要用到Logistic回归分析了。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，这种回归叫做这种回归也叫累积logistic回归，或者序次logistic回归。

二值logistic回归：二元Logistic回归

案例：分析以下各个因素对是否患病的影响，由于结果为患病或不患病两种，故用二元Logistic回归分析

首先明白两个概念：二分类变量和连续值变量
二分类变量：类似与性别，只有男和女两个结果，通常用0和1来表示，性别的0和1数值不代表大小
连续值变量：像年纪，总胆固醇等
Spss作二元Logistic回归分析步骤：

（6）点击“确定”，出结果

结果分析：

List item
关于二元Logistic的使用
对问题的分析
使用Logistic模型前，研究者需判断是否满足以下七个研究假设：
假设1：因变量即结局是二分类变量。
假设2：有至少1个自变量，自变量可以是连续变量，也可以是分类变量。
假设3：每条观测间相互独立。分类变量（包括因变量和自变量）的分类必须全面且每一个分类间互斥。
假设4：最小样本量要求为自变量数目的15倍，也有一些研究者认为样本量应达到自变量数目的50倍
假设5：连续的自变量与因变量的logit转换值之间存在线性关系。
假设6：自变量间不存在共线性。
假设7：没有明显的离群点、杠杆点和强影响点。
对假设的判断：
假设1-4：取决于研究设计和数据类型，如果不满足则需要更换统计方法。后3个假设则依赖于二分类Logistic回归是否适用于数据。
假设5：连续的自变量与因变量的对数间存在线性关系。
二分类Logistic回归分析的结果有两个目的：
①观察自变量对因变量的影响是否有统计学意义；
②观察二分类Logistic回归模型预测因变量的效果。这两个目的可以通过下面的各部分结果反映。
参考连接：http://dy.163.com/v2/article/detail/CRJ8PJ5E0514AGEL.html
重点总结

以上为全部内容，如有错误的地方望指出。

菜鸟的数学建模之路（五）：Logistic模型相关推荐

菜鸟的数学建模之路（二）：线性与非线性回归
回归分析根据回归方法中因变量的个数和回归函数的类型(线性或非线性),可将回归方法分为一元线性回归.一元非线性回归和多元回归. 简单粗暴理解:可以理解为找到一个从特征空间X到输出空间Y的最优的线性映射 ...
菜鸟的数学建模之路（六）：层次分析法
层次分析法(AHP):一种层次权重决策分析方法,日常生活中比如:冰箱品牌的选购(考虑到价格,性能,售后等因素):旅游景点的选择(交通,居住环境,饮食等). 解题步骤: (1).建立层次结构模型 (2) ...
菜鸟的数学建模之路（一）：最短路径算法
最短路径算法主要有两种,Dijkstra算法和floyd算法,当时在学习这两种算法时经常弄混了,关于这两种算法,记得当时是在交警平台设置的那一道题目上了解到的,就去查很多资料,花了不少时间才基本了解了 ...
菜鸟的数学建模之路（四）：BP神经网络
个人理解 BP神经网络属于人工智能范畴,在我看来它更多的是一个用于预测的工具,尽管它的用处还不仅于此.在数学建模上,很多时候,题目提供了很多历史数据,我经常用这些历史数据,用BP神经网络训练它,利用训 ...
菜鸟的数学建模之路（七）：灰色预测方法
灰色预测的概念灰色系统.白色系统和黑色系统 (1)白色系统是指一个系统的内部特征是完全已知的,既系统信息是完全充分的. (2)黑色系统是一个系统的内部信息对外界来说是一无所知的,只能通过它与外界的联 ...
菜鸟的数学建模之路（零）：我的数学建模之路
更新说明更新时间:2019/9/8 最近有人问我要数学数学建模资源,由于之前我还没有整理好就没上传,现在已经上传在我的个人主页"已上传资源"那里. 声明:里面的资源整理来自网络和 ...
2019第十六届研究生数学建模竞赛--跨越五年从本科省二到研赛国一
本作品采用知识共享署名-相同方式共享 4.0 国际许可协议进行许可. 2019第十六届研究生数学建模竞赛--跨越五年从本科省二到研赛国一感谢序言本科建模竞赛的失败经历研究生建模竞赛的成功经历 ...
数学建模专栏 | 第五篇：MATLAB优化模型求解方法(上)：标准模型
最优化赛题是数学建模大赛中最常见的问题类型之一.一般说来,凡是寻求最大.最小.最远.最近.最经济.最丰富.最高效.最耗时的目标,都可以划入优化问题的范畴.MATLAB 优化工具箱和全局优化工具箱对多个 ...
数学建模：火箭发生升空模型——基于matlab语言
基于教材:<数学建模>第五版仅是为了个人记录,也为了在有需要的情况下帮到大家,排版可能略显拉跨,但代码以及实验结果均正确!!! 如果帮到你了,请动手点个小赞吧, 一.不考虑空气阻力的简单 ...
数学建模——智能优化之模拟退火模型详解Python代码
数学建模--智能优化之模拟退火模型详解Python代码 #本功能实现最小值的求解#from matplotlib import pyplot as plt import numpy as np imp ...

菜鸟的数学建模之路（五）：Logistic模型

matlab实现

SPSS实现

菜鸟的数学建模之路（五）：Logistic模型相关推荐

最新文章

热门文章