当前位置：文档之家› 【原创】R语言Logistic逻辑回归算法案例数据分析报告

【原创】R语言Logistic逻辑回归算法案例数据分析报告

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

R语言Logistic逻辑回归算法案例

如果线性回归用于预测连续的Y变量，则逻辑回归用于二元分类。

如果我们使用线性回归来模拟二分变量（作为Y），则得到的模型可能不会将预测的Y s

限制在0和1之内。此外，线性回归的其他假设（例如误差的正态性）可能会被违反。因此，我们建模事件ln的对数几率（P1 - P.）升?（P1- P），其中，P是事件的概率。

上面的等式可以使用参数glm()设置来建模。但是我们对事件的概率比事件的对数几率更

感兴趣。因此，上述模型的预测值，即事件的对数几率，可以转换为事件概率，如下所示：family"binomial"

【原创】定制代写开发r/python/spss/matlab/WEKA/sas/sql/C++/stata/eviews/Computer science assignment代写/代

做Project/数据挖掘和统计分析可视化调研报告/程序/PPT等/爬虫数据采集服务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

使用该plogis()函数实现此转换，如下所示，当我们构建logit模型并进行预测时。示例问题

让我们尝试使用基于adult数据中可用的人口统计变量的逻辑回归来预测个人是否会获得超过50,000美元的收入。在这个过程中，我们将：

1.导入数据

2.检查课堂偏见

3.创建培训和测试样本

4.计算信息值以找出重要变量

5.构建logit模型并预测测试数据

6.做模型诊断

导入数据

inputData <-read.csv("https://www.doczj.com/doc/e915528926.html,/wp-

content/uploads/2015/09/adult.csv")

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

head(inputData)

#=> AGE WORKCLASS FNLWGT EDUCATION EDUCATIONNUM MARITALSTATUS #=> 1 39 State-gov 77516 Bachelors 13 Never-married #=> 2 50 Self-emp-not-inc 83311 Bachelors 13 Married-civ-spouse #=> 3 38 Private 215646 HS-grad 9 Divorced #=> 4 53 Private 234721 11th 7 Married-civ-spouse #=> 5 28 Private 338409 Bachelors 13 Married-civ-spouse #=> 6 37 Private 284582 Masters 14 Married-civ-spouse # OCCUPATION RELATIONSHIP RACE SEX CAPITALGAIN CAPITALLOSS #=> 1 Adm-clerical Not-in-family White Male 2174 0 #=> 2 Exec-managerial Husband White Male 0 0 #=> 3 Handlers-cleaners Not-in-family White Male 0 0 #=> 4 Handlers-cleaners Husband Black Male 0 0 #=> 5 Prof-specialty Wife Black Female 0 0 #=> 6 Exec-managerial Wife White Female 0 0 # HOURSPERWEEK NATIVECOUNTRY ABOVE50K

#=> 1 40 United-States 0

#=> 2 13 United-States 0

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

#=> 3 40 United-States 0

#=> 4 40 United-States 0

#=> 5 40 Cuba 0

#=> 6 40 United-States 0

检查类偏差

理想情况下，Y变量中事件和非事件的比例应大致相同。因此，让我们首先检查因变量中类的比例ABOVE50K。

table(inputData$ABOVE50K)

# 0 1

# 24720 7841

显然，存在阶级偏差，当事件的比例远小于非事件的比例时观察到的条件。所以我们必须以大致相等的比例对观测结果进行采样，以获得更好的模型

创建培训和测试样本

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

解决类偏差问题的一种方法trainingData是以相等的比例绘制（开发样本）的0和1 。

在这样做时，我们会将inputData未包含的其余部分用于培训testData（验证样本）。

因此，开发样本的大小将小于验证，这是可以的，因为有大量的观察结果（> 10K）。

# Create Training Data

input_ones <-inputData[which(inputData$ABOVE50K ==1), ] # all 1's

input_zeros <-inputData[which(inputData$ABOVE50K ==0), ] # all 0's

set.seed(100) # for repeatability of samples

input_ones_training_rows <-sample(1:nrow(input_ones), 0.7*nrow(input_ones))

# 1's for training

input_zeros_training_rows <-sample(1:nrow(input_zeros), 0.7*nrow(input_ones)) # 0's for training. Pick as many 0's as 1's

training_ones <-input_ones[input_ones_training_rows, ]

training_zeros <-input_zeros[input_zeros_training_rows, ]

trainingData <-rbind(training_ones, training_zeros) # row bind the 1's and

0's

# Create Test Data

务（附代码数据）,

咨询QQ：3025393450

有问题到百度搜索“大数据部落”就可以了

欢迎登陆官网：https://www.doczj.com/doc/e915528926.html,/datablog

test_ones <-input_ones[-input_ones_training_rows, ]

test_zeros <-input_zeros[-input_zeros_training_rows, ]

testData <-rbind(test_ones, test_zeros) # row bind the 1's and 0's

接下来，需要找到变量的信息值，以了解它们在解释因变量（ABOVE50K）时的价值。为分类变量创建WOE（可选）

或者，我们可以WOE为所有分类变量创建等价物。这只是一个可选步骤，为简单起见，此步骤不适用于此分析。

for(factor_var in factor_vars){

inputData[[factor_var]] <-WOE(X=inputData[, factor_var],

Y=inputData$ABOVE50K)

}

head(inputData)

#> AGE WORKCLASS FNLWGT EDUCATION EDUCATIONNUM MARITALSTATUS OCCUPATION #> 1 39 0.1608547 77516 0.7974104 13 -1.8846680 -0.713645 #> 2 50 0.2254209 83311 0.7974104 13 0.9348331 1.084280 #> 3 38 -0.1278453 215646 -0.5201257 9 -1.0030638 -1.555142

多元线性回归模型的案例分析

1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。年份 Y/千克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1）求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2）请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。先做回归分析，过程如下：输出结果如下：

【专业文档】相关与回归分析案例分析.doc

案例：利兴铸造厂产品成本分析最近几年利兴铸造厂狠抓成本管理，提高经济效益，在降低原材料和能源消耗，提高劳动生产率，以及增收节支等方面，取得了显著成绩，单位成本有明显下降，基本扭转了亏损局面。但是各月单位成本起伏很大，有的月份赢利，有的月份赢利少甚至亏损。为了控制成本波动，并指导今后的生产经营，利兴铸造厂统计部门进行了产品成本分析。资料搜集整理分析首先，研究单位成本与产量的关系（如下表）：表1 铸铁件产量及单位成本从表1可以看出，铸铁件单位成本波动很大，在15个月中，最高的上年4月单位成本达800元，最低的今年3月单位成本为570元，全距是230元。上年2、4、5、9月4个月成本高于出厂价，出现亏损，而今年3月毛利率达到20.8%[(720-570)/720*100%]。

成本波动大的原因是什么呢？从表1可以发现，单位成本的波动与产量有关。上年4月成本最高，而产量最低，今年3月成本最低，而产量最高，去年亏损的4个月中，产量普遍偏低，这显然是个规模效益问题。在成本构成中，可以分为变动成本和固定成本两部分。根据利兴铸造厂的实际情况，变动成本主要包括原材料及能源消耗、工人工资、销售费用、税金等，固定成本主要包括折旧费用、管理费用和财务费用。在财务费用中，绝大部分是贷款利息，由于贷款余额大，在短期内无力偿还，所以每个月的贷款利息支出基本上是一项固定支出，不可能随产量的变动而变动，故将贷款利息列入固定成本之中。从目前情况看，在成本构成中，固定成本所占比重较大，每月产量大，分摊在单位产品中的固定成本就小；如果产量小，分摊在单位产品中的固定成本就大，所以每月产量的多少直接影响单位成本的波动。为了论证单位成本与产量之间是否存在相关关系，并找出其内在规律以指导今后的工作，现计算相关系数，并建立回归方程。 r= - 0.98 计算结果表明，单位成本与产量之间，存在着高度负相关，相关系数为-0.98。设各月产量为自变量x ，单位成本为因变量y ，则有直线方程式 x y βα???+= 可得结果为 x y 49.01049?-= 计算结果表明，铸铁件产量每增加1吨，单位成本可以下降0.49

Logistic回归分析简介

Logistic回归分析简介 Logistic回归：实际上属于判别分析，因拥有很差的判别效率而不常用。1．应用范围： ①适用于流行病学资料的危险因素分析 ②实验室中药物的剂量-反应关系 ③临床试验评价 ④疾病的预后因素分析 2．Logistic回归的分类： ①按因变量的资料类型分：二分类多分类其中二分较为常用 ②按研究方法分：条件Logistic回归非条件Logistic回归两者针对的资料类型不一样，后者针对成组研究，前者针对配对或配伍研究。 3．Logistic回归的应用条件是： ①独立性。各观测对象间是相互独立的； ②LogitP与自变量是线性关系； ③样本量。经验值是病例对照各50例以上或为自变量的5-10倍（以10倍为宜），不过随着统计技术和软件的发展，样本量较小或不能进行似然

估计的情况下可采用精确logistic回归分析，此时要求分析变量不能太多，且变量分类不能太多； ④当队列资料进行logistic回归分析时，观察时间应该相同，否则需考虑观察时间的影响（建议用Poisson回归）。 4．拟和logistic回归方程的步骤： ①对每一个变量进行量化，并进行单因素分析； ②数据的离散化，对于连续性变量在分析过程中常常需要进行离散变成等级资料。可采用的方法有依据经验进行离散，或是按照四分、五分位数法来确定等级，也可采用聚类方法将计量资料聚为二类或多类，变为离散变量。 ③对性质相近的一些自变量进行部分多因素分析，并探讨各自变量（等级变量，数值变量）纳入模型时的适宜尺度，及对自变量进行必要的变量变换； ④在单变量分析和相关自变量分析的基础上，对P≤α（常取0.2，0.15或 0.3）的变量，以及专业上认为重要的变量进行多因素的逐步筛选；模型程序每拟合一个模型将给出多个指标值，供用户判断模型优劣和筛选变量。可以采用双向筛选技术：a进入变量的筛选用score统计量或G统计量或LRS(似然比统计量)，用户确定P值临界值如：0.05、0.1或0.2，选择统计量显著且最大的变量进入模型；b剔除变量的选择用Z统计量(Wald 统计量)，用户确定其P值显著性水平，当变量不显者，从模型中予以剔除。这样，选入和剔除反复循环，直至无变量选入，也无变量删除为止，选入或剔除的显著界值的确定要依具体的问题和变量的多寡而定，一般

SPSS线性回归分析案例

回归分析实验内容：基于居民消费性支出与居民可支配收入的简单线性回归分析【研究目的】居民消费在社会经济的持续发展中有着重要的作用。影响各地区居民消费支出的因素很多，例如居民的收入水平、商品价格水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的经济模型去研究。【模型设定】我们研究的对象是各地区居民消费的差异。由于各地区的城市与农村人口比例及经济结构有较大差异，现选用城镇居民消费进行比较。模型中被解释变量Y选定为“城市居民每人每年的平均消费支出”。从理论和经验分析，影响居民消费水平的最主要因素是居民的可支配收入，故可以选用“城市居民每人每年可支配收入”作为解释变量X，选取2010年截面数据。 1、实验数据表1： 2010年中国各地区城市居民人均年消费支出和可支配收入

2、实验过程作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图1：

表2 模型汇总b 表3 相关性从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立如下线性模型：Y=a+bX

表4 系数a 3、结果分析表2模型汇总：相关系数为0.965，判定系数为0.932，调整判定系数为0.930，估计值的标准误877.29128 表3是相关分析结果。消费性支出Y与可支配收入X相关系数为0.965，相关性很高。表4是回归分析中的系数：常数项b=704.824，可支配收入X的回归系数a=0.668。a的标准误差为0.034，回归系数t的检验值为19.921，P值为0，满足95%的置信区间，可认为回归系数有显著意义。得线性回归方程Y=0.668X+704.824. 【实验结论】（1）结果显示，变量之间具有如下关系式：Y=0.668X+704.824.也就是说消费与收入之间存在稳定的函数关系。随着收入的增加，消费将增加，但消费的增长低于收入的增长。这与凯尔斯的绝对收入消费理论刚好吻合。但为了研究方便，这里假设边际消费倾向为常数。由公式知X每增长1个单位，Y增加0.668个单位。

SPSS—二元Logistic回归结果分析报告

SPSS—二元Logistic回归结果分析 2011-12-02 16:48 身心疲惫，睡意连连，头不断往下掉，拿出耳机，听下歌曲，缓解我这严重的睡意吧！今天来分析二元Logistic回归的结果分析结果如下： 1：在“案例处理汇总”中可以看出：选定的案例489个，未选定的案例361个，这个结果是根据设定的validate = 1得到的，在“因变量编码”中可以看出“违约”的两种结果“是”或者“否” 分别用值“1“和“0”代替，在“分类变量编码”中教育水平分为5类，如果选中“为完成高中，高中，大专，大学等，其中的任何一个，那么就取值为 1，未选中的为0，如果四个都未被选中，那么就是”研究生“ 频率分别代表了处在某个教育水平的个数，总和应该为489个

1：在“分类表”中可以看出：预测有360个是“否”（未违约）有129个是“是”（违约） 2：在“方程中的变量”表中可以看出：最初是对“常数项”记性赋值，B为 -1.026，标准误差为：0.103 那么wald =( B/S.E)2=(-1.026/0.103)2 = 99.2248, 跟表中的“100.029几乎接近，是因为我对数据进行的向下舍入的关系，所以数据会稍微偏小， B和Exp(B) 是对数关系，将B进行对数抓换后，可以得到：Exp(B) = e^-1.026 = 0.358, 其中自由度为1， sig为0.000，非常显著

1：从“不在方程中的变量”可以看出，最初模型，只有“常数项”被纳入了模型，其它变量都不在最初模型表中分别给出了，得分，df , Sig三个值, 而其中得分（Score)计算公式如下：（公式中（Xi- Xˉ) 少了一个平方）下面来举例说明这个计算过程：(“年龄”自变量的得分为例）从“分类表”中可以看出：有129人违约，违约记为“1”则违约总和为 129，选定案例总和为489 那么： yˉ = 129/489 = 0.16 xˉ = 16951 / 489 = 34.2 所以：∑(Xi-xˉ)2 = 30074.9979

logistic回归分析案例

1. 数据制备（栅格数据）（1）宝塔区基底图层.tif （2）居民点扩增.tif 、坡度.tif 、坡向.tif 等要素数据。在 environment settings ------ p rocessing extent ------ snap raster （选中基底图层），保证栅格数据像元无偏移，且行列的数量一致。化:Raster to ASCII Inyul r aiLtvl- 匚” k 『号樹 ± 如葡让也\1非*订kilt :f 10. 2 'iiStati EeiT-SlaT 14t L J. KT 2.通过CLUE-S 莫型中的fileconvert 模块，获得logistic 回归分析的数据集。（1）将上一步骤中的因变量 y 和影响因素x 的.txt 文档后缀改为.asc 格式，并将文件放在CLUE-S 模型所在的文件夹中。（2）打开FileCo nvert V2软件，按下图勾选，填写"file list "内容，点击start con version ， 3 田F1 曰 It:. （3）栅格数据转为 ASCII 码，生成txt 文档。匚onversion Tools Ejicel From GPS From KML From Raster 气 Raster to ASCII y Raster to Fist 声.Raster to Point

生成stat .txt文档。祥Fi le 荃 flFfijie? I1id J?1Ji w ■■ 1 ? 9><4 P t414 Tl ?J19 12词 ■M*￡LD|i4I# ■ Q电兀列心￡i k1lf\ 15?1 *■4JE RI7 <1- I 4 話M3 IS r擠uSstalB-^aG 齬￡淨珀bCMir 二i缶 pad... ■ 枝jfcsurrT^cM.a^t 炉 MBlOrtTIdH■: 护 xVcomr-.iic / rll asc 播Tann砂￡]T (2)logistic回归分析按图设置参数因变量、自变量；由于x3属于分类变量，点击分类按钮，按图设置参数。 >M!L4M|昨T祜lt?M? 曲唱-Hl'F1 wB-j' MtF M|T ffl￥ g： ZTStiRiiri SHilfi VTU '_'■ rt 舖C r TI薔色Z4d* ■i aa ■；? 1 iTdlfAflWVK4Wt4「利 E 呻■■} 1■ IdfcWM^U.一尉仇■臂H xlAftL lAMDf Jfit 1Q1?7r -iwns ■B-13磁MT 13 J 工 '-恫fl T l￡j v-IIHH M4Q J0W PW回沐神to 型 rwa： wm 1 H teiiy- 卩厲 4a13 4 ■ira 401?wa 70i-221 ?d'131fefl 加ifUnm 片nu t013*Ozmwkt他 w p1W址?囲血|淞：幽 11013 1 Qm Sft?t 121JJ V s? 014*」； 11 H?iKa； H013 5 *旳 ti a IM■ KK MS V；941 ti Q144T f 7W filwvjcfic OH