spss教程9-4回歸分析(參考版)
2025-05-14 18:34本頁面
【正文】 2. 因變量本身只取 0， 1兩個離散值，不適于 直接作為回歸模型中的因變量，可以用 等于 1的比例代替 本身作為因變量。 w = – D + h + Dh D=0 w = h D=1 w = – +(+ ) h 男生身高對體重的效應大于女生 身高對體重的效應 4 二項 Logistic回歸 例子 在一次住房展銷會上 ,與房地產(chǎn)商簽定 購房意向書的顧客中 ,在隨后 3個月中 , 只有一部分購買了房屋 . 購買房屋的顧客記為 1,沒有購買記為 0 一、定性因變量的回歸方程的意義 設因變量 y只是取 0， 1兩個值的定性變量，考慮簡單線性回歸模型： 由于， 是 0— 1型貝努利隨機變量，則得如下分布 根據(jù)隨機變量的期望值定義，可得 二、定性因變量回歸的特殊問題 1. 離散非正態(tài)誤差項 2. 零均值異方差性 3. 回歸方程的限制 三 Logistic回歸模型 針對 0— 1型因變量產(chǎn)生的問題，對回歸 模型應該作兩個方面的改進。 ? 但是 ，由于 b 0 不顯著，因此我們需對模型作修改： w = – D + h + Dh (.033) (.000) (.004) ? 此時，變量 D 和 Dh 的系數(shù)均為顯著的。 ? 擬合得到如下的回歸方程： w = – D + h + Dh (.534) (.3
環(huán)評公示相關推薦
鄂ICP備17016276號-1