本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

深入解读Logistic回归结果(一):回归系数,OR

spss培训 cdadata 688℃

深入解读Logistic回归结果(一):回归系数,OR

关键词:Logistic回归分析、lasso回归系数解读回归系数解读

Logistic回归虽然名字叫”回归” ,但却是一种分类学习方法。使用场景大概有两个:第一用来预测,第二寻找因变量的影响因素。 

一 从线性回归到Logistic回归

线性回归和Logistic回归都是广义线性模型的特例。

假设有一个因变量y和一组自变量x1, x2, x3, … , xn,其中y为连续变量,我们可以拟合一个线性方程:

y =β1*x2*x3*x+…+βn*xn

并通过最小二乘法估计各个β系数的值。

如果y为二分类变量,只能取值0或1,那么线性回归方程就会遇到困难: 方程右侧是一个连续的值,取值为负无穷到正无穷,而左侧只能取值[0,1],无法对应。为了继续使用线性回归的思想,统计学家想到了一个变换方法,就是将方程右边的取值变换为[0,1]。最后选中了Logistic函数:

y = 1 / (1+e-x)

这是一个S型函数,值域为(0,1),能将任何数值映射到(0,1),且具有无限阶可导等优良数学性质。

我们将线性回归方程改写为:

y = 1 / (1+e-z),

其中,z =β1*x2*x3*x+…+βn*xn

此时方程两边的取值都在0和1之间。

进一步数学变换,可以写为:

Ln(y/(1-y)) =β1*x2*x3*x+…+βn*xn

Ln(y/(1-y))称为Logit变换。我们再将y视为y取值为1的概率p(y=1),因此,1-y就是y取值为0的概率p(y=0),所以上式改写为:

p(y=1) = ez/(1+ez),

p(y=0) = 1/(1+ez),

其中,z =β1*x2*x3*x+…+βn*xn.

接下来就可以使用”最大似然法”估计出各个系数β。

 

二 odds与OR复习

      odds: 称为几率、比值、比数,是指某事件发生的可能性(概率)与不发生的可能性(概率)之比。用p表示事件发生的概率,则:odds = p/(1-p)。

      OR:比值比,为实验组的事件发生几率(odds1)/对照组的事件发生几率(odds2)。 

 

三 Logistic回归结果的解读

      我们用一个例子来说明,这个例子中包含200名学生数据,包括1个自变量和4个自变量:

      因变量:  hon,表示学生是否在荣誉班(honors class),1表示是,0表示否;

      自变量:

      female :性别,分类变量,1=女,0=男

      read: 阅读成绩,为连续变量

      write: 写作成绩,为连续变量

      math:数学成绩,为连续变量 

 

      1、不包含任何变量的Logistic回归

      首先拟合一个不包含任何变量的Logistic回归,

      模型为 ln(p/(1-p) =β0

      回归结果如下(结果经过编辑):

hon

系数β

标准误

P

截距

-1.12546

0.164

0.000

      这里的系数β就是模型中的β= -1.12546,

      我们用p表示学生在荣誉班的概率,所以有ln(p/(1-p) =β= -1.12546,

      解方程得:p = 0.245。

      odds = p/1-p = 0.3245

      这里的p是什么意思呢?p就是所有数据中hon=1的概率。

      我们来统计一下整个hon的数据:

hon

例数

百分比

0

151

75.5%

1

49

24.5%

      hon取值为1的概率p为49/(151+49) = 24.5% = 0.245,我们可以手动计算出ln(p/(1-p) = -1.12546,等于系数β0。可以得出关系:

      β0=ln(odds)。

 

      2、包含一个二分类因变量的模型

      拟合一个包含二分类因变量female的Logistic回归,

      模型为 ln(p/(1-p)  1* female.

      回归结果如下(结果经过编辑):

hon

系数β

标准误

P

female

0.593

.3414294

0.083

截距

-1.47

.2689555

0.000

      在解读这个结果之前,先看一下hon和female的交叉表:

hon

female

Total

Male

Female

0

74

77

151

1

17

32

49

Total

91

109

 

根据这个交叉表,对于男性(Male),其处在荣誉班级的概率为17/91,处在非荣誉班级的概率为74/91,所以其处在荣誉班级的几率odds1=(17/91)/(74/91) = 17/74 = 0.23;相应的,女性处于荣誉班级的几率odds2 = (32/109)/(77/109)=32/77 = 0.42。女性对男性的几率之比OR = odds2/odds1 = 0.42/0.23 = 1.809。我们可以说,女性比男性在荣誉班的几率高80.9%。

回到Logistic回归结果。截距的系数-1.47是男性odds的对数(因为男性用female=0表示,是对照组),ln(0.23) = -1.47。变量female的系数为0.593,是女性对男性的OR值的对数,ln(1.809) = 0.593。所以我们可以得出关系: OR = exp(β),或者β= ln(OR)(exp(x)函数为指数函数,代表e的x次方)。

 

      3、包含一个连续变量的模型

      拟合一个包含连续变量math的Logistic回归,

      模型为 ln(p/(1-p)  1* math.

      回归结果如下(结果经过编辑):

hon

系数β

标准误

P

math

.1563404

.0256095

0.000

截距

-9.793942

1.481745

0.000

      这里截距系数的含义是在荣誉班中math成绩为0的odds的对数。我们计算出odds = exp(-9.793942) = .00005579,是非常小的。因为在我们的数据中,没有math成绩为0的学生,所以这是一个外推出来的假想值。

      怎么解释math的系数呢?根据拟合的模型,有:

      ln(p/(1-p)) =  – 9.793942  + .1563404*math

      我们先假设math=54,有:

      ln(p/(1-p))(math=54) = – 9.793942 + .1563404 *54

      然后我们把math提高提高一个单位,令math=55,有:

      ln(p/(1-p))(math=55) = – 9.793942 + .1563404 *55

      两者之差:

      ln(p/(1-p))(math=55) – ln(p/1-p))(math = 54) = 0.1563404.

      正好是变量math的系数。

      由此我们可以说,math每提高1个单位,odds(即p/(1-p),也即处于荣誉班的几率)的对数增加0.1563404。

      那么odds增加多少呢?根据对数公式:

      ln(p/(1-p))(math=55) – ln(p/1-p))(math = 54) = ln((p/(1-p)(math=55)/ (p/(1-p)(math=54))) = ln(odds(math=55)/ odds(math=54)) = 0.1563404.

      所以:

      odds(math=55)/ odds(math=54)  =  exp(0.1563404) = 1.169.

      因此我们可以说,math每升高一个单位,odds增加16.9%。且与math的所处的绝对值无关。

      聪明的读者肯定发现,odds(math=55)/ odds(math=54)不就是OR嘛!

 

      4、包含多个变量的模型(无交互效应)

      拟合一个包含female、math、read的Logistic回归,

      模型为 ln(p/(1-p) = β1* math+β2* female+β3* read.

      回归结果如下(结果经过编辑):

hon

系数β

标准误

P

math

.1229589

0.000

female

0.979948

0.020

read

.0590632

0.026

截距

-11.77025

0.000

      该结果说明:

     (1) 性别:在math和read成绩都相同的条件下,女性(female=1)进入荣誉班的几率(odds)是男性(female=0)的exp(0.979948) = 2.66倍,或者说,女性的几率比男性高166%。

     (2) math成绩:在female和read都相同的条件下,math成绩每提高1,进入荣誉班的几率提高13%(因为exp(0.1229589) = 1.13)。

     (3)read的解读类似math。

 

      5、包含交互相应的模型

      拟合一个包含female、math和两者交互相应的Logistic回归,

      模型为 ln(p/(1-p)  1* female+β2* math+β3* female *math.

      所谓交互效应,是指一个变量对结果的影响因另一个变量取值的不同而不同。

      回归结果如下(结果经过编辑):

hon

系数β

标准误

P

female

-2.899863

0.349

math

.1293781

0.000

female*math

.0669951

0.210

截距

-8.745841

0.000

      注意:female*math项的P为0.21,可以认为没有交互相应。但这里我们为了讲解交互效应,暂时忽略P值,姑且认为他们是存在交互效应的。

      由于交互效应的存在,我们就不能说在保持math和female*math不变的情况下,female的影响如何如何,因为math和female*math是不可能保持不变的!

      对于这种简单的情况,我们可以分别拟合两个方程,

      对于男性(female=0):

      log(p/(1-p))= β0 + β2*math.

      对于女性(female=1):

      log(p/(1-p))= (β0 + β1) + (β2 + β3 )*math.

      然后分别解释。

 

 

      注:本文大量参考这篇文章:http://www.ats.ucla.edu/stat/mult_pkg/faq/general/odds_ratio.htm

转载请注明:数据分析 » 深入解读Logistic回归结果(一):回归系数,OR

喜欢 (2)or分享 (0)