利用Logistic二次回归法提高判别分析效率

论文摘要

线性回归是使用最广泛的关于相关数据的分析方法之一,其基本作用在于利用预测变量去预测和解释响应变量,但是它往往局限于响应变量是度量变量的情形;与此形成对照的是,判别分析可以用来解决响应变量是非度量变量的情形,但是它又不具有回归分析所具备的良好的统计特征,而能够把这两者结合起来的一个纽带就是Logistic回归。本文从对一般线性回归应用于二分类变量的局限性出发,通过比较Logistic回归与一般线性回归的联系与区别,对Logistic回归模型进行了讨论。然后通过分析Logistic回归的特点得到了将其应用于判别分析的思想方法,特别是提出了一种新的将Logistic回归应用于判别分析的方法,文章最后通过一个关于英语学习研究的实际案例表明了该方法的有效性。

论文目录

• 中文摘要
• 英文摘要
• 引言
• 第一章 Logistic 回归
• 1.1 引言
• 1.2 Logistic 回归模型
• 1.3 Logistic 回归模型的建立
• 1.3.1 简单回归模型
• 1.3.2 多个预测变量情况下的Logistic 回归
• 1.3.3 多项式Logistic 回归
• 1.4 统计分析
• 1.4.1 关于回归系数的统计推断
• 1.4.2 关于预测变量的选择问题
• 1.5 拟合优度检验
• 2 检验和偏差检验'>1.5.1. Pearson χ²检验和偏差检验
• 1.5.2. Hosmer-Lemeshow 检验
• 1.6 回归检验
• 第二章 判别分析
• 2.1 引言
• 2.2 距离判别的相关概念
• 2.3 距离判别步骤
• 第三章 利用Logistic 二次回归法提高判别分析效率
• 3.1 引言
• 3.2 选择判别准则
• 3.3 检验判别效率
• 3.4 利用Logistic 二次回归法提高判别分析效率
• 3.5 对利用Logistic 二次回归法提高判别分析效率案例验证及步骤总结
• 3.5.1 案例验证
• 3.5.2 利用Logistic 二次回归法提高判别分析效率的步骤总结
• 第四章 总结与展望
• 4.1 总结
• 4.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况