logistic回归分析优点_数据统计的理解和应用（十三）预测模型篇之logistic回归...

专栏的前几期文章&＃xff0c;临度简单讲解了基础统计的知识&＃xff0c;如&＃xff1a;

1. 两组定量资料的分析思路之t检验
2. 多组样本比较之方差分析
3. 列联表之卡方检验

之后介绍了logistic回归&＃xff0c;如&＃xff1a;

1. 统计分析之logistic回归
2. 单因素logistic回归分析案例
3. 多因素logistic回归案例分析

我们知道logistic回归的几个作用&＃xff1a;

1. 探索危险因素
2. 控制协变量&＃xff0c;求某种因素对结局的影响
3. 统计建模

那我们今天升华一下&＃xff1a;

万物皆可盘&＃xff0c;数据预未来

模型终有误&＃xff0c;或尤建奇功

聊聊这个建模预测的过程

一般常见的统计建模为内部验证和外部验证&＃xff1a;内部验证即把一份数据一拆为二&＃xff0c;70%用作训练集&＃xff0c;30%用作验证集&＃xff1b;外部验证即为用已有的数据做模型&＃xff0c;用其他的数据来做验证(原理都相似)。

直接上代码&＃xff1a;先用SAS随机生成一份数据来演示&＃xff0c;样本量1000&＃xff0c;因变量y和自变量x1-x4均为二分类&＃xff08;1&＃xff0c;0&＃xff09;。

结果X1-X4均有统计学意义&＃xff0c;可建模分析。

*如果您的数据没差异&＃xff0c;可选择一种回归方式筛选变量&＃xff0c;之后在进行建模。

结果知&＃xff1a;mcnemar检验P>0.05&＃xff0c;说明实际的结局分布和预测的结局分布差异无统计学意义&＃xff0c;可用于预测。

结果同上&＃xff0c;只是思路不一样而已。

结果同上&＃xff1a;mcnemar检验P>0.05&＃xff0c;说明实际的结局分布和预测的结局分布差异无统计学意义&＃xff0c;可用于预测。

最终的预测模型为&＃xff1a;

大家可能会觉得OR都<1&＃xff0c;结果不太好去解释&＃xff0c;那就把参照换掉。

好了&＃xff0c;本期讲解到此结束&＃xff0c;欢迎关注哦&＃xff0c;我们下期再见~

— THE END —