R語言glm()函數連續自變量的二項logistic回歸

本篇內容主要講解“R語言glm()函數連續自變量的二項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()函數連續自變量的二項logistic回歸”吧!

創新互聯是一家專業從事網站設計制作、網站制作的網絡公司。作為專業網站設計公司,創新互聯依托的技術實力、以及多年的網站運營經驗,為您提供專業的成都網站建設、網絡營銷推廣及網站設計開發服務！

因變量是否續約，自變量包括注冊時長、營業收入、成本，均為連續數據。SPSS實現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()函數擬合：

   
   
   xuyue.fit <- glm(續約~成本+營業收入+注冊時長,data=xuyue,family=binomial(link = logit))
    summary(xuyue.fit)

成本、收入、時長對是否續約都有顯著影響（P<0.05）。

依據上面回歸系數的結果，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

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

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

HL檢驗發現，模型擬合良好（P=0.651>0.05）。

logistic回歸具體應用時，用風險的比數比即OR值相對于回歸系數要更容易解讀，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))

上表中的數據即截距和各自變量的OR值。營業收入每增加一個單位，則商戶繼續續約的可能性增加1.4%，高注冊時長的續約可能性是低注冊時長的1.1倍，注冊時長和營業收入均是繼續續約的利好因子。相反地，我們發現成本是影響是否繼續續約的不利因素。（基于OR值數據結果）。

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

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，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站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源：創新互聯

猜你還喜歡下面的內容

bl双性强迫侵犯h_国产在线观看人成激情视频_蜜芽188_被诱拐的少孩全彩啪啪漫画