R語言glm()函數(shù)連續(xù)自變量的二項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，實用性強。下面就讓小編來帶大家學習“R語言glm()函數(shù)連續(xù)自變量的二項logistic回歸”吧!

創(chuàng)新互聯(lián)是一家專業(yè)從事網(wǎng)站設計制作、網(wǎng)站制作的網(wǎng)絡公司。作為專業(yè)網(wǎng)站設計公司,創(chuàng)新互聯(lián)依托的技術實力、以及多年的網(wǎng)站運營經(jīng)驗,為您提供專業(yè)的成都網(wǎng)站建設、網(wǎng)絡營銷推廣及網(wǎng)站設計開發(fā)服務！





因變量是否續(xù)約，自變量包括注冊時長、營業(yè)收入、成本，均為連續(xù)數(shù)據(jù)。SPSS實現(xiàn)過程和結果解讀看下文：  
 
↓↓↓

SPSS二項logistic回歸分析案例實踐，做個預測模型  

直接用glm()函數(shù)擬合：

   
   
   xuyue.fit <- glm(續(xù)約~成本+營業(yè)收入+注冊時長,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logistic回歸

成本、收入、時長對是否續(xù)約都有顯著影響（P<0.05）。

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

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

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

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

R語言glm()函數(shù)連續(xù)自變量的二項logistic回歸

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

logistic回歸具體應用時，用風險的比數(shù)比即OR值相對于回歸系數(shù)要更容易解讀，所以接下來咱們需要計算并輸出三個自變量的OR值。

   
   
   exp(coef(xuyue.fit))

R語言glm()函數(shù)連續(xù)自變量的二項logistic回歸

上表中的數(shù)據(jù)即截距和各自變量的OR值。營業(yè)收入每增加一個單位，則商戶繼續(xù)續(xù)約的可能性增加1.4%，高注冊時長的續(xù)約可能性是低注冊時長的1.1倍，注冊時長和營業(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)結果）。

到此，相信大家對“R語言glm()函數(shù)連續(xù)自變量的二項logistic回歸”有了更深的了解，不妨來實際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關內(nèi)容可以進入相關頻道進行查詢，關注我們，繼續(xù)學習！

網(wǎng)站欄目：R語言glm()函數(shù)連續(xù)自變量的二項logistic回歸
文章轉載：http://bm7419.com/article12/pcosgc.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站營銷、品牌網(wǎng)站設計、網(wǎng)站內(nèi)鏈、做網(wǎng)站、網(wǎng)站設計、搜索引擎優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)

手機網(wǎng)站建設