如何确定最佳logistic回归方程，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
问题：您好，想问下二元logistic回归的多因素分析中如何选择检验方法。是都选最常用的“向后（有条件）”，还是每个检验方法试过来然后根据什么指标选用一种检验方法？
回复：回归模型的拟合，我们可以将回归拟合视为一种“探索性”分析，即通过回归拟合探索出最优的回归方程，logistic回归亦然。因此，我们可以根据专业知识，确定哪些需要变量引入logistic回归方程中，当然也可以采用不同的逐步回归方法进行拟合，根据各种统计量判断回归方程的优劣，找出“最优”的回归方程。概括起来有大概有如下几类指标
一、模型拟合优度检验
如果预测值与实际观测值相近，说明模型的拟合效果好，统计量的值偏小，对应的P值较大。检验假设H0：模型的拟合效果好，α可取0.1 或0.2。
1、偏差检验，统计量为χD2。
2、Pearsonχ2检验，统计量为χ2
3、Homser-Lemeshow 检验，统计量χHL2
判断原则：χ2值越小，P越大，模型拟合效果越好。
二、模型拟合优度信息指标
1、-2lnL。
2、AIC 准则。
3、SC准则。
在其他条件不变的情况下，这三个指标越小表示模型拟合的越好。
三、logistic 回归模型的预测准确度
1、广义决定系数：Cox-Snell 广义决定系数（Cox-SnellR2）、Nagelkerke广义决定系数（Nagelkerke R2），与线性回归分析中的决定系数R2相似，这2个指标都在0-1间取值，指标越大，说明变异中被模型解释的比例越大，模型预测的准确性越高。
2、预测概率与观测值之间的关联，常用的评价指标有Somers'D 、Goodman-Kruskal Gamma、
Kendall's Tau-a 和KendaIl'sTau-c，指标的绝对值越大，表示预测概率与反应变量之间的关联程度越高，也就意味着模型的预测能力越强。
四、预测准确率
用于评价logistic回归模型的预测准确性，准确率越高效果越好。
五、“最佳”模型的选择
读者可结合上述统计指标对拟合所得到模型进行综合评价，在统计分析的基础上，结合专业知识，从可解释性、简约性、变量的易得性等方面，最终选出“最佳”模型。通常“最佳”模型不是一次计算就可以确定的，往往是要对变量做不同的组合分析最终确定。
看完上述内容，你们掌握如何确定最佳logistic回归方程的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
