R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸

本篇內(nèi)容主要講解“R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸”吧!

創(chuàng)新互聯(lián)是一家專業(yè)從事網(wǎng)站設(shè)計(jì)制作、網(wǎng)站制作的網(wǎng)絡(luò)公司。作為專業(yè)網(wǎng)站設(shè)計(jì)公司,創(chuàng)新互聯(lián)依托的技術(shù)實(shí)力、以及多年的網(wǎng)站運(yùn)營經(jīng)驗(yàn),為您提供專業(yè)的成都網(wǎng)站建設(shè)、網(wǎng)絡(luò)營銷推廣及網(wǎng)站設(shè)計(jì)開發(fā)服務(wù)！

因變量是否續(xù)約，自變量包括注冊(cè)時(shí)長、營業(yè)收入、成本，均為連續(xù)數(shù)據(jù)。SPSS實(shí)現(xiàn)過程和結(jié)果解讀看下文：

↓↓↓

SPSS二項(xiàng)logistic回歸分析案例實(shí)踐，做個(gè)預(yù)測模型

直接用glm()函數(shù)擬合：

   
   
   xuyue.fit <- glm(續(xù)約~成本+營業(yè)收入+注冊(cè)時(shí)長,data=xuyue,family=binomial(link = logit))
    summary(xuyue.fit)

R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸

成本、收入、時(shí)長對(duì)是否續(xù)約都有顯著影響（P<0.05）。

依據(jù)上面回歸系數(shù)的結(jié)果，寫出logistic回歸的方程式：

Logit(P)=Ln(P/1-P)=-2.287+0.099*時(shí)長+0.014*收入-0.184*成本

這個(gè)模型擬合優(yōu)度如何呢？咱們用Hosmer-Lemeshow擬合優(yōu)度檢驗(yàn)來看看。

   
   
   xuyue.fit.hl <- hoslem.test(xuyue.fit$y,fitted(xuyue.fit),g=10)

HL檢驗(yàn)發(fā)現(xiàn)，模型擬合良好（P=0.651>0.05）。

logistic回歸具體應(yīng)用時(shí)，用風(fēng)險(xiǎn)的比數(shù)比即OR值相對(duì)于回歸系數(shù)要更容易解讀，所以接下來咱們需要計(jì)算并輸出三個(gè)自變量的OR值。

   
   
   exp(coef(xuyue.fit))

上表中的數(shù)據(jù)即截距和各自變量的OR值。營業(yè)收入每增加一個(gè)單位，則商戶繼續(xù)續(xù)約的可能性增加1.4%，高注冊(cè)時(shí)長的續(xù)約可能性是低注冊(cè)時(shí)長的1.1倍，注冊(cè)時(shí)長和營業(yè)收入均是繼續(xù)續(xù)約的利好因子。相反地，我們發(fā)現(xiàn)成本是影響是否繼續(xù)續(xù)約的不利因素。（基于OR值數(shù)據(jù)結(jié)果）。

到此，相信大家對(duì)“R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸”有了更深的了解，不妨來實(shí)際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！

分享名稱：R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸
本文鏈接：http://weahome.cn/article/pcosgc.html

真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

R語言glm()函數(shù)連續(xù)自變量的二項(xiàng)logistic回歸

其他資訊

網(wǎng)站制作

企業(yè)服務(wù)

網(wǎng)站建設(shè)

服務(wù)器托管