逻辑回归分析
方法简介：逻辑回归用于分类结果变量的预测建模，不同于线性回归。包含二元逻辑回归（2类）、多分类逻辑回归（3类以上无序）、有序逻辑回归（3类以上有序）三种类型。
逻辑回归的类型
1. 二元逻辑回归
适用于：因变量只有两个类别（如是/否、成功/失败、购买/不购买）
- 客户流失预测（流失/未流失）
- 疾病风险评估（患病/未患病）
- 购买决策分析（购买/不购买）
2. 多分类逻辑回归
适用于：因变量有3个或更多无序类别（如品牌A/B/C）
- 候选人偏好分析（特朗普/希拉里/其他）
- 品牌选择研究（品牌A/品牌B/品牌C）
- 出行方式选择（公交/地铁/自驾/共享单车）
3. 有序逻辑回归
适用于：因变量有3个或更多有序类别（如很不满意/不满意/一般/满意/很满意）
- 满意度等级预测
- 购买频率分析（从不/偶尔/经常/高频）
- 风险等级评估（低/中/高/极高）
OR值（优势比）的解读
OR值是逻辑回归的核心指标：
- OR > 1：自变量增加会提高结果发生的概率
- OR = 1：自变量对结果无影响
- OR < 1：自变量增加会降低结果发生的概率
使用 chatspss 进行逻辑回归
"预测客户是否会购买，自变量包括价格敏感度、品牌态度"
"分析哪些因素影响满意度等级"
相关方法
线性回归分析 |
逐步回归 |
ROC分析
立即使用 chatspss 进行逻辑回归