logistic回归分析步骤是什么？

logistic回归分析是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。例如，探讨引发疾病的危险因素，并根据危险因素预测疾病发生的概率等。

多重线性回归直接将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。如果L是logistic函数，就是logistic回归，如果L是多项式函数就是多项式回归。

Logistic回归模型的适用条件

1、因变量为二分类的分类变量或某事件的发生率，并且是数值型变量。但是需要注意，重复计数现象指标不适用于Logistic回归。

2、残差和因变量都要服从二项分布。二项分布对应的是分类变量，所以不是正态分布，进而不是用最小二乘法，而是最大似然法来解决方程估计和检验问题。

3、自变量和Logistic概率是线性关系。

百度百科-logistic回归

在做回归预测时需要分析的数据往往是多变量的,那么我们在做多元回归时就需要特别注意了解我们的数据是否能够满足做多元线性回归分析的前提条件应用多重线性回归进行统计分析时要求满足哪些条件呢总结起来可用四个词来描述：线性、独立、正态、齐性（1）自变量与因变量之间存在线性关系这可以通过绘制”散点图矩阵”进行考察因变量随各自变量值的变化情况如果因变量Yi与某个自变量Xi之间呈现出曲线趋势,可尝试通过变量变换予以修正,常用的变量变换方法有对数变换、倒数变换、平方根变换、平方根反正弦变换等（2）各观测间相互独立任意两个观测残差的协方差为0,也就是要求自变量间不存在多重共线性问题对于如何处理多重共线性问题,请参考《多元线性回归模型中多重共线性问题处理方法》（3）残差e服从正态分布N(0,σ2)其方差σ2=var(ei)反映了回归模型的精度,σ越小,用所得到回归模型预测y的精确度愈高（4）e的大小不随所有变量取值水平的改变而改变,即方差齐性

方法如下：　
　选择成对的数据列，将使用“X、Y散点图”制成散点图。
在数据点上单击右键，选择“添加趋势线”-“线性”，并在选项标签中要求给出公式和相关系数等，可以得到拟合的直线。
由图中可知，拟合的直线是y=15620x+66061，R2的值为09994。
因为R2
>099，所以这是一个线性特征非常明显的实验模型，即说明拟合直线能够以大于9999%地解释、涵盖了实测数据，具有很好的一般性，可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型，我们使用数据分析中的“回归”工具来详细分析这组数据。
　在选项卡中显然详细多了，注意选择X、Y对应的数据列。“常数为零”就是指明该模型是严格的正比例模型，本例确实是这样，因为在浓度为零时相应峰面积肯定为零。先前得出的回归方程虽然拟合程度相当高，但是在x=0时，仍然有对应的数值，这显然是一个可笑的结论。所以选择“常数为零”。
“回归”工具为我们提供了三张图，分别是残差图、线性拟合图和正态概率图。重点来看残差图和线性拟合图。
　在线性拟合图中可以看到，不但有根据要求生成的数据点，而且还有经过拟和处理的预测数据点，拟合直线的参数会在数据表格中详细显示。本实例旨在提供更多信息以起到抛砖引玉的作用，由于涉及到过多的专业术语，请各位读者根据实际，在具体使用中另行参考各项参数，此不再对更多细节作进一步解释。
 
残差图是有关于世纪之与预测值之间差距的图表，如果残差图中的散点在中州上下两侧零乱分布，那么拟合直线就是合理的，否则就需要重新处理。
　更多的信息在生成的表格中，详细的参数项目完全可以满足回归分析的各项要求。下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。

1、打开SPSS软件后点击右上角的打开文件按钮打开你需要分析的数据文件。

2、接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击图形---旧对话框---散点/点状。

3、选择简单分布，并点击定义。

4、在接下来的d出框中设置x轴和y轴，然后点击确定，其他都不要管，然后得到散点图，可以看出x轴和y轴明显呈线性关系，所以接下来的回归分析就要用线性回归方法，假设图像呈曲线就需要选择曲线拟合的方法。

5、点击分析---回归---线性。

6、在d出的线性回归框中设置自变量和因变量，其他的选项用默认设置即可，其他的选项只是用来更加精确地去优化模型。

7、模型汇总表中R表示拟合优度，值越接近1表示模型越好。至此回归分析就完成了图中的这个模型就是比较合理的。

简述回归分析的基本步骤。
查看答案解析 正确答案 回归分析在具体研究变量之间的回归关系时，一般可以分为以下五个步骤：
第一，确定因变量和自变量。
第二，绘制散点图。
第三，根据散点图选择适当的回归模型。
第四，进行相关检验。
第五，预测和控制。
答案解析 参见教材P232-233。

回归分析通过定性分析 *** 作。根据查询相关资料信息，回归分析借助于定性分析，确定有哪些可能的相关因素。收集这些因素的统计资料。应用最小二乘法等，求得各因素之间的相关系数和回归方程。根据该方程进行预测，并对预测结果作可靠性分析。故回归分析通过定性分析 *** 作。

在日常数据分析工作当中，回归分析是应用十分广泛的一种数据分析方法，按照涉及自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

回归分析的实施步骤：

1）根据预测目标，确定自变量和因变量

2）建立回归预测模型

3）进行相关分析

4）检验回归预测模型，计算预测误差

5）计算并确定预测值

我们接下来讲解在Excel2007中如何进行回归分析？

一、案例场景

为了研究某产品中两种成分A与B之间的关系，现在想建立不同成分A情况下对应成分B的拟合曲线以供后期进行预测分析。测定了下列一组数据：

二、 *** 作步骤

1、先绘制散点图：具体步骤是选中数据，插入—>图表—>散点图

2、在散点图的数据点上右键—>添加趋势线

3、在d出的选项框的选项中选择公式和相关系数等，这样就以得到拟合的直线

在图中我们可以看到，拟合的回归方程是 y = 0223x + 9121 ，R² = 0982

附：R2相关系数取值及其意义

我们进一步使用Excel中数据分析的回归分析提供更多的分析变量来描述这一个线性模型

4、选中数据—>数据—>数据分析—>回归

注：本 *** 作需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，可以参考该专题文章的第一篇《用Excel进行数据分析：数据分析工具在哪里？》。

---