实用逻辑斯谛回归方法

作者简介
前言
第1章统计模型1
1.1什么是统计模型?2
1.2逻辑斯谛回归建模基础4
1.3伯努利分布5
1.4估计的方法7
SAS代码11
Stata代码12
第2章单一预测逻辑斯谛模型13
2.1二元预测模型14
2.2预测因子?概率?优势比18
2.3基本的模型统计量20
2.3.1标准误21
2.3.2z统计量23
2.3.3p值23
2.3.4置信区间24
2.4分类预测模型28
2.5连续预测模型32
2.5.1连续预测因子的种类32
2.5.2简单的广义加性模型33
2.5.3中心化34
2.5.4标准化36
2.6预测37Ⅺ
2.6.1模型预测的基础37
2.6.2预测置信区间39
SAS代码40
Stata代码46
第3章多元预测逻辑斯谛模型49
3.1预测因子的选择和解释50
3.2逻辑斯谛模型的统计量53
3.3信息准则检验58
3.3.1赤池信息准则58
3.3.2有限样本59
3.3.3贝叶斯信息准则60
3.3.4其他信息准则测试60
3.4模型拟合过程:校准标准误61
3.4.1预测标准误61
3.4.2Robust和Sandwich变量估计63
3.4.3步步为营法则64
3.5风险因子?混杂因子?效应修正因子以及交互作用65
SAS代码67
Stata代码70
第4章逻辑斯谛模型的检验和拟合71
4.1检验逻辑斯谛模型的拟合72
4.1.1皮尔逊卡方拟合优度检验72
4.1.2似然比检验73
4.1.3残差分析74
4.1.4条件效果图80
4.2分类统计82
4.2.1S￣S图表84
4.2.2ROC分析84
4.2.3混淆矩阵86
目录Ⅻ
4.3Hosmer￣Lemeshow统计量88
4.4错乱的数据模型与完美的预测91
4.5精确逻辑斯谛回归93
4.6建模表数据96
SAS代码101
Stata代码106
第5章分组逻辑斯谛回归108
5.1二项概率分布函数109
5.2从观测到分组数据110
5.3识别和调整额外的残差114
5.4分组逻辑斯谛回归的建立和解释116
5.5β￣二项回归118
SAS代码124
Stata代码126
第6章贝叶斯逻辑斯谛回归128
6.1贝叶斯方法简述129
6.2实例:贝叶斯逻辑斯谛回归131
6.2.1使用R的贝叶斯逻辑斯谛回归131
6.2.2使用JAGS软件的贝叶斯逻辑斯谛回归139
6.2.3先验信息的贝叶斯逻辑斯谛回归分析145
SAS代码148
Stata代码150
总结151
参考文献153