准备数据

逻辑回归通常用于分类和预测性分析。 逻辑回归根据给定的自变量数据集来估计事件的发生概率，如发生或未发生。 由于结果是一个概率，因此范围在0和1之间。 在逻辑回归中，对概率结果作Logit变换，即发生的概率除以未发生的概率。

1. 功能

  • 上传数据文件时，预览数据集，并检查数据输入的正确性
  • 构建模型时，根据需要，对一些变量进行预处理
  • 计算基本描述性统计量，绘制图表

2. 关于数据

  • 数据需要包括一个二分类因变量(Y) 和 至少一个自变量(X)
  • 数据的行数必须多于列数
  • 不要在同一列中混用字符和数字
  • 用于构建模型的数据称为训练集
  • 用于预测的数据称为测试集

示例

假设想探讨乳腺癌细胞的分类，并开发一个模型尝试将可疑细胞分为良性（B）或恶性（M）。 因变量是二分类结果（B/M）。 （1）建立一个模型，计算良性或恶性的概率，并测定患者病情是良性还是恶性； （2）找出二元因变量与其他变量之间的关系，即找出哪个变量对因变量有显著的影响。

请参考以下步骤，准备数据。之后在第二个页面中建立模型。


数据确认


变量的类别



1. 数值变量



2. 分类变量





3. 更改X轴和Y轴名称



直方图


当分箱数为0时，绘图将使用默认分箱数。


概率密度函数图


说明
  • 直方图：通过描述某一数值范围内出现的观察值频率，粗略评估给定变量的概率分布
  • 密度图：估计数据的概率密度函数

逻辑回归

1. 功能

  • 建立简单或多元逻辑回归模型
  • 得出回归估计，包括（1）用t检验、p值和95% CI进行系数估计，（2）R2和经调整的R2和（3）F检验进行回归的总体显著性
  • 获得更多信息：（1）预测因变量和残差，（2）基于AIC的变量选择，（3）ROC图，（4）ROC图的敏感性和特异性表
  • 上传新数据，得到预测
  • 对新数据包含新因变量的评价

2. 关于数据

  • 因变量是二分类数据
  • 请在上一个数据页面中准备训练集数据。
  • 新数据（测试集）应覆盖模型中使用的所有自变量。

请参考以下步骤，输出分析结果。

Output 1. 数据确认 



                  

                  

                    

                      

                    

                    
请在“数据”页面中编辑修改数据

                    

                  

                

              

              

              

                Output 2. 模型的结果
              

              

                

              

              

                
                

                  

                    

                      

                    

                    
 说明  

    

  •  左边的输出所示为估计系数（95%置信区间），给出了单个变量显著性的T统计量（t =）和P值（p =）

  •  右边的输出所示为优势比（OR值） = exp(b)和原始系数的标准误差

  •  对各变量进行T检验，P<0.05，表明该变量对模型有统计学意义

  •  观测值是指样本的数量。

  •  Akaike Inf. Crit. = AIC = -2 (log likelihood) + 2k; k为（变量+常数）的个数 ; loglikelihood:对数似然值 



                    

                      

                    

                    

                      

                        

                        

                          

                        

                        
                          
                          保存到CSV中
                        
                        

                          

                        

                        
                          
                          保存LaTex代码
                        
                      

                    

                  

                  

                    

                      

                    

                    

                  

                  

                    

                      

                    

                     说明 
  
     
    
  •  采用Akaike信息准则（AIC）进行逐步（Stepwise）模型选择
    
  •  模型拟合根据其AIC值秩和，AIC值最低的模型有时被认为是“最佳”模型
  


                    

                      采用Akaike信息准则的模型选择
                    

                    

                  

                  

                    

                      

                    

                     说明 

     

  •  ROC曲线：受试者工作特性曲线，是一个图表，阐明二进制分类器系统在其识别阈值变化时的诊断能力

  •  ROC曲线通过绘制各种阈值设置下的真阳性率（TPR）与假阳性率（FPR）的关系进行创建

  •  敏感度（Sensitivity, 也称为真阳性率）测量被正确识别的实际阳性比例

  •  特异性（Specificity, 也称为真阴性率）测量被正确识别的实际阴性比例



                    

                    

                  

                

              

            

          

          

          

            

              
            

            

              

                Output 3. 预测结果
              

              

                

              

              

                
                

                  

                    

                      

                    

                    
因变量的预测值显示在第一列中

                    

                  

                  

                    

                      

                    

                    
当测试数据中提供新的因变量时，会出现该图。

                    
该图显示了基于模型中未使用的新数据，预测值和真实值之间的ROC图。

                    

                    

                      感度和特异度表