Logistic回归
假定某事件的发生概率为：
即得Logit变换：
因此，对应的似然方程为：
其对数似然为：
一阶导数
二阶导数
可以采用Newton-Raphson算法进行求解，并构建回归系数的Wald统计量和区间估计。
模型检验可以采用似然比（Likelihood Ratio）统计量：
服从自由度为m的卡方分布。
模型筛选可采用逐步回归：根据模型似然比检验及排除显著性水平从模型中排除最不显著的回归系数；再根据似然比检验及引入显著性水平从模型外引入最显著的回归系数，直到上述过程无法继续。也就是说，模型中没有新变量被排除，模型外也不会有新变量被引入，此时的模型为最优模型。
上述回归系数估计、模型检验以及最优模型筛选基本上是采用似然估计的通用技术。以后涉及到的模型如果与此没有差异就不在叙述这些过程，仅仅列出其似然方程。
实例
可采用逐步回归进行筛选：
欢迎关注、收藏、点赞。
下载：
加载：Excel加载宏ExcelStat.xla
上一篇：Excel Stat——Newton-Raphson算法简介
下一篇：ExcelStat——条件Logistic回归
