R语言glm()函数连续自变量的二项logistic回归

本篇内容主要讲解“R语言glm()函数连续自变量的二项logistic回归”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“R语言glm()函数连续自变量的二项logistic回归”吧!

创新互联是一家专业从事网站设计制作、网站制作的网络公司。作为专业网站设计公司,创新互联依托的技术实力、以及多年的网站运营经验,为您提供专业的成都网站建设、网络营销推广及网站设计开发服务！

因变量是否续约，自变量包括注册时长、营业收入、成本，均为连续数据。SPSS实现过程和结果解读看下文：

↓↓↓

SPSS二项logistic回归分析案例实践，做个预测模型

直接用glm()函数拟合：

   
   
   xuyue.fit <- glm(续约~成本+营业收入+注册时长,data=xuyue,family=binomial(link = logit))
    summary(xuyue.fit)

成本、收入、时长对是否续约都有显著影响（P<0.05）。

依据上面回归系数的结果，写出logistic回归的方程式：

Logit(P)=Ln(P/1-P)=-2.287+0.099*时长+0.014*收入-0.184*成本

这个模型拟合优度如何呢？咱们用Hosmer-Lemeshow拟合优度检验来看看。

   
   
   xuyue.fit.hl <- hoslem.test(xuyue.fit$y,fitted(xuyue.fit),g=10)

HL检验发现，模型拟合良好（P=0.651>0.05）。

logistic回归具体应用时，用风险的比数比即OR值相对于回归系数要更容易解读，所以接下来咱们需要计算并输出三个自变量的OR值。

   
   
   exp(coef(xuyue.fit))

上表中的数据即截距和各自变量的OR值。营业收入每增加一个单位，则商户继续续约的可能性增加1.4%，高注册时长的续约可能性是低注册时长的1.1倍，注册时长和营业收入均是继续续约的利好因子。相反地，我们发现成本是影响是否继续续约的不利因素。（基于OR值数据结果）。

到此，相信大家对“R语言glm()函数连续自变量的二项logistic回归”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

本文标题：R语言glm()函数连续自变量的二项logistic回归
URL网址：http://ybzwz.com/article/pcosgc.html