LOGISTIC回歸模型：方法與應(yīng)用

1. 二分類(lèi)因變量與Iogistic回歸模型                  
 1. 1  引言                  
 1. 2  線性概率模型(Linear Probability Model, LPM)                  
 1. 3  Logistic回歸模型                  
 2. Logistic回歸模型估計(jì)                  
 2. 1  最大似然估計(jì)(Maximum Likelihood,Estimation, MLE)                  
 2. 2  Logistic回歸模型估計(jì)的假設(shè)條件                  
 2. 3  最大似然估計(jì)的性質(zhì)                  
 2. 4  模型估計(jì)的樣本規(guī)模                  
 2. 5  擬合logistic回歸的示范模型                  
 2. 6  用分組數(shù)據(jù)作logistic回歸分新                  
 3. Logistic回歸模型評(píng)價(jià)                  
 3. 1  擬合優(yōu)度(Goodness of fit)                  
 3. 1. 1  皮爾遜X2(Pearson X2)                  
 3. 1. 2  偏差(Deviance)                  
 3. 1. 3  Hosmer-Lemeshow擬合優(yōu)度指標(biāo)                  
 3. 1. 4  信息測(cè)量指標(biāo)(Information Measures)                  
 3. 2  Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性                  
 3. 2. 1  類(lèi)R2指標(biāo)(Analogous R2)                  
 3. 2. 2  預(yù)測(cè)概率與觀測(cè)值之間的關(guān)聯(lián)                  
 3. 2. 3  分類(lèi)表(Classification Table)                  
 3. 3  模型X2統(tǒng)計(jì)(Model Chi-Square Statistic)                  
 4. Logistic回歸系數(shù)解釋                  
 4. 1  發(fā)生比和發(fā)生比率(Odds and Odds Ratio)                  
 4. 2  按發(fā)生比率來(lái)解釋logistic回歸系數(shù)                  
 4. 2. 1  連續(xù)自變量的發(fā)生比率                  
 4. 2. 2  二分類(lèi)自變量的發(fā)生比率                  
 4. 2. 3  分類(lèi)自變量的發(fā)生比率                  
 4. 3  用概率來(lái)解釋自變量的作用                  
 4. 4  預(yù)測(cè)概率                  
 4. 5  標(biāo)準(zhǔn)化系數(shù)                  
 4. 6  偏相關(guān)(Partial Gorrelation)                  
 5. Logistic回歸系數(shù)的統(tǒng)計(jì)推斷                  
 5. 1  Logistic回歸系數(shù)的顯著性檢驗(yàn)                  
 5. 1. 1  Wald檢驗(yàn)                  
 5. 1. 2  似然比檢驗(yàn)                  
 5. 1. 3  檢驗(yàn)系數(shù)子集                  
 5. 2  Logistic回歸參數(shù)的置信區(qū)間                  
 5. 2. 1  Logistic回歸系數(shù)的置信區(qū)間                  
 5. 2. 2  發(fā)生比率的置信區(qū)間                  
 5. 2. 3  事件概率的置信區(qū)間                  
 6. 建立模型                  
 6. 1  選擇變量                  
 6. 1. 1  篩選自變量                  
 6. 1. 2  模型的比較                  
 6. 1. 3  逐步模型選擇法                  
 6. 1. 4  排除有意義的變量和包括沒(méi)有意義的變量                  
 6. 2  非線性與非加性(Nonlinearity and Nonadditivity)                  
 6. 2. 1  非線性                  
 6. 2. 2  非加性                  
 7. Logistic回歸診斷                  
 7. 1  過(guò)離散(Overdispersion)                  
 7. 2  空單元(Zero Cell Count)                  
 7. 3  完全分離(Complete Separeation)                  
 7. 4  多元共線性(Multicollinearity)                  
 7. 5  特異值和特殊影響案例(Outliers and Influential Observations)                  
 7. 5. 1  殘差影響的測(cè)量                  
 7. 5. 2  檢查特異值和特殊影響案例                  
 8. Logistic回歸的替代模型及擴(kuò)展                  
 8. 1  Probit模型                  
 8. 1. 1  Probit模型的對(duì)數(shù)似然函數(shù)                  
 8. 1. 2  擬合probit示范模型                  
 8. 1. 3  Probit模型的解釋                  
 8. 1. 4  用分組數(shù)據(jù)建立probit模型                  
 8. 1. 5  Logistic回歸模型與probit模型的比較                  
 8. 2  Logistic回歸擴(kuò)展于多分類(lèi)反應(yīng)變量                  
 8. 2. 1  累積logistic回歸模型(Cumulative Logistic Logistic Regression Model)                  
 8. 2. 2  多項(xiàng)logit模型(Multinmnial Logit Model)                  
 參考文獻(xiàn)                  
 關(guān)鍵詞索引