统计分析与建模—广义线性模型(GLM).pdf

统计分析与建模—广义线性模型(GLM)
— 因变量取值是分类型的
" 钢材延展度合格与否
" 客户流失与否
" 客户信用等级
— 响应变量的概率的某种变3701
Start - -
宏能畅然 让数据为客户增值 —广义线性模型(GLM)
第二步：模型拟合
模型主要包括以下5个部分：
① 提交的函数调用
② 离差描述
③ 回归参数估计表、它们的标准误以及相应的 t 统计量
④ 零模型估计以及相应离差
⑤ 系数估计的相关阵

从所估计系数的 t 统计量也可以看出Start变量最为重要
宏能畅然 让数据为客户增值 —广义线性模型(GLM)
第三步：离差分析
> anova(, test = "Chi")
Analysis of Deviance Table
Binomial model
Response: Kyphosis
Terms added sequentially (first to last)
Df Deviance Resid. Df Resid. Dev Pr(Chi)
NULL 80

Age 1 79
Number 1 78
Start 1 77
> anova(glm(formula = Kyphosis ~ Start + Number + Age, family = binomial(link =
logit), data = kyphosis), test = "Chi")

Analysis of Deviance Table
Binomial model
Response: Kyphosis
Terms added sequentially (first to last)
Df Deviance Resid. Df Resid. Dev Pr(Chi)
NULL 80

Start 1 79
Number 1 78
Age 1 77
宏能畅然 让数据为客户增值 —广义加性模型(GAM)
— 线性模型假定响应变量与自变量之间具有线性性质
— 广义线性模型依然假定了预测器具有线性性质
— 广义加性模型拟合非参数函数来估计响应变量与解释变量之间关系的模型
βμ
— 广义加性模型的一般形式为：