年入15万，买私家车的概率
文章期号：20190604
第二章统计进阶，多元统计：Logistic回归
1，回顾数值型回归：
我们讨论过因变量为数值型的一元线性和多元线性预测模型，如果有疑问大家可以参考文章：《一元线性回归模型的销售预测》，《经营之道：怎样经营好一家餐馆？》更加深入的了解数值型回归模型。
2，谈谈定性变量回归
今天我们来讨论定性变量的回归模型，定性变量可以说是一种类别变量，比如男/女，优/良/差，是/否，真/假，黑/白等，因变量的结果集是有限的，可预设的，定性变量的回归模型，就是基于历史数据训练出来一种数学表达式，来判断新数据的属于哪一种定性因变量的概率大小。为日常的常见的是否类决策，提供准确度的数值度量。
3，继续深入
也称为广义线性模型，是为了解决定向变量关系模型化，两种常见的广义线性模型：Logistic回归模型和对数线性模型
4，Logistic回归案例
数据：某地区45个家庭数据的调查，其中y是分类变量（是否有私家车，1表示有，0表示没有），x 表示家庭年收入单位万元，根据这些数据建立Logistic回归模型，估计年收入15万元的家庭买私家车的可能性。
4.1，数据预览
x y
15 1
20 1
10 0
12 1
8 0
30 1
6 0
16 1
22 1
36 1
7 0
24 1x（年收入/万元 y（是否买车）
15 1
20 1
10 0
12 1
8 0
30 1
6 0
16 1
22 1
36 1
7 0
24 1
为方便阅读部分数据省略...4.2，R计算回归模型：
library(readxl)
data3.1 <- read_excel("eg3.1.xls",sheet=1)
glm.logit<-glm(y~x, family=binomial, data=data3.1)
summary(glm.logit)
Call:
glm(formula = y ~ x, family = binomial, data = data3.1)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.21054 -0.05498 0.00000 0.00433 1.87356
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -21.2802 10.5203 -2.023 0.0431 *
x 1.6429 0.8331 1.972 0.0486 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 62.3610 on 44 degrees of freedom
Residual deviance: 6.1486 on 43 degrees of freedom
AIC: 10.149
Number of Fisher Scoring iterations: 9
yp<-predict(glm.logit, data.frame=(x=15))
p.fit<-exp(yp)/(1+exp(yp));
p.fit
1
0.9665418有R计算结果可知：年收入15万的家庭买私家车的概率为97%。
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2019-06-05，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
