本文详细介绍了SAS中逻辑斯回归（Logistic Regression）的基本概念和应用，包括数学表达式、适用范围。接着，通过SAS操作展示了如何进行基础编码、结果解读，如最大似然估计、方程回构、优比估计、预测概率与观测响应的关联及Hosmer-Lemeshow检验。最后，提供了相关参考文献。
目录请看下面[↓_↓]
一、Logistic regression 基本概念
0与1的分类回归
1、数学表达式
y i = β 0 + β 1 x 1 + … + β i x i + ϵ i { i = 1 , 2 , … , n y i = { 0 , 1 } y_i=\beta_0+\beta_1x_1+…+\beta_ix_i +\epsilon_i \begin{cases} i=1,2,…,n \\ y_i=\{0,1\} \end{cases} yi=β0+β1x1+…+βixi+ϵi{ i=1,2,…,nyi={ 0,1}
{ p ( x i ) = p r o b ( y i = 1 ) i = 1 , 2 , … , n q ( x i ) = 1 − p ( x i ) = p r o b ( y i = 0 ) i = 1 , 2 , … , n \begin{cases} p(x_i)=prob(y_i=1) &i=1,2,…,n\\ q(x_i)=1-p(x_i)=prob(y_i=0)&i=1,2,…,n \end{cases} { p(x
最低0.47元/天 解锁文章
扫一扫
943
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
