二元logistic回归分析流程如下图：
一、分析前准备
二元logistic回归分析适用于研究因变量为二分类变量的数据，二分类变量即为那些结局只有两种可能性的变量。比如因变量表示为“是”或“否”、“同意”或“不同意”、“发生”或“不发生”这类形式。
当前有一份数据，想要分析在银行贷款的客户其“是否违约”的影响因素，当前掌握的可能影响因素有年龄、工资、教育水平、负债率、信用卡负债、工作年限、居住时长。
在进行二元logistic回归分析之前，需要进行一些准备工作，来提高分析结果的准确性。准备工作包括进行分析项即自变量的确定、多重共线性判断、以及变量处理三方面，接下来将逐一进行说明。
- 确定分析项
因为影响因素比较多，并不能确定单个影响因素是否会对“是否违约”这一因变量产生影响，为了筛选确实对因变量有影响的自变量进行分析，可以在进行二元logistic回归分析之前就单个因素的影响情况进行分析（非必要步骤）。根据影响因素类型不同，可以分别进行方差分析（t检验）、卡方检验进行分析。
1.1 连续变量方差分析
对于年龄、工资、负债率、信用卡负债、工作年限、居住时长这类影响因素，都是连续型变量，研究此类变量与“是否违约”的关系情况可以使用方差分析进行分析。
使用SPSSAU进行方差分析得到分析结果如下：
从方差分析结果来看，违约客户与未违约客户的信用卡负债情况并没有呈现出显著性差异（p=0.061>0.05），其余变量都呈现显著性差异。所以，可以将信用卡负债率这一影响因素在后续分析中剔除（如果担心遗漏重要变量，也可以将显著性水平放宽至0.1）。
- 分类变量卡方检验
对于教育水平这一分类变量，研究其与“是否违约”的关系情况可以使用卡方检验。
使用SPSSAU进行卡方检验得到分析结果如下：
从卡方检验结果来看，不同教育水平的客户其“是否违约”情况呈现出显著性差异（p=0.。022<0.05），对该变量予以保留。
确定好分析项之后，需要考虑回归分析的多重共线性问题。
2．多重共线性判断
对于因变量为二分类变量的模型的多重共线性判断，也可以使用线性回归方法进行简单查看。使用SPSSAU进行线性回归分析结果如下：
从上表可以看出，VIF值均小于5，说明模型并不存在共线性问题。如果存在共线性问题可使用岭回归或者逐步回归进行解决。接下来进行下一步分析，进行二元logistic回归分析前的数据预处理。
3．数据预处理
3.1 因变量0-1编码
二元logistic回归分析要求因变量必须用数字0、1进行编码，即“是”用1表示，“否”用0表示。可以使用SPSSAU数据编码进行操作，因为原始数据使用数字1表示“是”，数字2表示“否”，现在需要重新编码为数字1表示“是”，数字0表示“否”，见下图：
3.2 分类自变量哑变量处理
二元logistic回归分析中自变量既可以是定量数据也可以是分类数据，如果是分类数据需要进行哑变量处理，在分析时将生成的哑变量少放一项，作为参考项。由于“教育水平”为分类数据，所以需要进行哑变量处理，生成的哑变量如下图：
在进行分析时，对于教育水平5个哑变量，需要保留一项作为对照项，不放进分析框中。比如将“教育水平_大专”作为对照项，则不将该哑变量放入分析框中，将剩下的四类教育水平放进分析框中。
分析前准备到此就结束了，接下来进行二元logistic回归分析的主体部分，使用SPSSAU进行二元logistic回归分析。
二、回归基本情况分析
二元logistic回归分析得到的第一个表格为二元logit回归分析基本汇总，见下表：
上表对于分析数据的基本情况进行了说明；包括因变量“是否违约”的数据分析和最终分析有效样本量的数据情况。可以看出，总共有850个样本参加分析，但模型分析时共剔除掉缺失数据为150个，参加分析的样本有效率为：82.4%（如果缺失数据过多，或者Y值分布非常不均匀，可能会导致模型质量较差）。
回归基本情况分析可以对数据有一个整体的感知，一般来讲并没有非常大的意义。接下来，进行模型拟合评价。
三、模型拟合评价
二元logistic回归分析的模型拟合情况判断可以分为两类，分别是似然比检验和Hosmer-Lemeshow拟合度检验两种。
- 似然比检验
似然比检验用于对整体模型的有效性进行检验，SPSSAU输出的二元logistic回归模型似然比检验结果如下图：
从上图可以看出，似然比检验的p值小于0.05，说明模型是有效的，反之说明模型无效。AIC值和BIC值是回归分析中选择模型的两条重要准则，这两个值都是越小越好的。在进行多次对比选择模型时，可以结合这两个值的变化，说明模型构建的优化情况。其余值为中间计算过程值，无其他意义。
- 拟合优度检验
当模型的总体有效后，接下来具体分析哪些自变量会对因变量产生显著影响。
Hosmer-Lemeshow拟合度检验用于判断模型拟合优度。p值大于0.05则说明通过HL检验，反之则说明模型没有通过HL检验，模型拟合优度差。从上表可知：检验对应的 p值大于0.05，说明本次模型通过HL检验，模型拟合优度较好。
四、回归分析结果解读
二元logistic回归分析结果如下图：
1．R方值分析
表格下方会提供此3个R方值，此3个R方均为伪R方值，其值越大越好，但其无法非常有效的表达模型的拟合程度，意义相对交小，而且多数情况此3个指标值均会特别小，一般而言，伪R方值一般达到0.2以上就表示具有较好的拟合优度，但是如果在实际应用中是侧重影响因素分析，则可以不需要太注重这个指标，只要分析系数的显著性即可。
2．模型公式
从上表可知：模型公式为：ln(p/1-p)=-1.472 + 0.305*教育水平_研究生-0.503*教育水平_大学-0.047*教育水平_高中-0.343*教育水平_未完成高中 + 0.034*年龄-0.260*工作年限-0.106*居住时长 + 0.091*负债率 + 0.563*工资
（其中p代表New_是否违约为1 的概率，1-p代表New_是否违约为0的概率)。
3．X对Y影响情况分析
查看9个自变量对应的p值，可以得到，4种教育水平、年龄并不会对“是否违约”产生显著影响关系（p值均大于0.05）；工作年限、居住时长、负债率和工资会对“是否违约”产生产生显著影响。其中，工作年限和居住时长会对违约情况产生显著负向影响，即工作年限和居住时长越长，越可能出现违约情况。而负债率和工资会对违约情况产生显著的正向影响，即负债率越高、工资越高，越不会出现违约情况。
4．OR值说明
OR值(odds ratio)又称比值比、优势比。
上图Logistic回归分析结果输出的OR值，工作年限会对“是否违约”产生显著的负向影响关系，优势比(OR值)为0.771，意味着工作年限增加一个单位时，“是否违约”的变化(减少)幅度为0.771倍；工资会对“是否违约”产生显著的正向影响关系。优势比(OR值)为1.756，意味着工资增加一个单位时，“是否违约”的变化(增加)幅度为1.756倍。
回归分析结果可以参考SPSSAU的智能分析结果进行说明。
回归分析除了研究自变量对因变量的影响情况，还可以实现预测。接下来，进行模型预测能力分析。
五、模型预测能力分析
SPSSAU会输出模型预测准确率，见下图：
通过模型预测准确率去判断模型拟合质量，从上表可知：研究模型的整体预测准确率为81.71%，模型拟合情况可以接受。当真实值为0（不违约）时，预测准确率为92.46%；另外当真实值为1（违约）时，预测准确率为51.37%。
实际研究中，我们更关注预测“违约=1”的准确率，所以本次分析中预测准确率是很低的。如果实际研究中，数据预测准确率很低，比如低于85%，此时可以考虑删除部分X，或者多次进行二元logistic回归分析进行对比结果，选出最优的模型结果。
代入数据进行预测：比如想要预测年龄为35岁、教育水平为未完成高中、工资为3万、工作年限为2年、居住时长为2年、负债率为0.6的用户是否违约情况，操作如下图：
预测得到该用户违约的概率是0.596，说明该用户未来违约的概率较高。
SPSSAU还会在分析时同时输出边际效应情况，
六、边际效应结果说明
“边际效应指的是在其他一切条件不变的情况下，一种要素的供给量持续增加，达到一定程度之后，它所产生的作用将会下降，即可变因素的边际效应会发生递减。”
如果自变量对应的边际效应检验值的p值小于0.05，说明该变量有着显著的边际效应；反之则说明该变量没有显著的边际效应。如果边际效应值显著且大于0，则意味着该变量的增加会带来正向效应变化，如果边际效应值显著且小于0，则意味着自变量的增加时带来负向效应变化。
SPSSAU输出均值处的边际效应值及对应的检验及95%置信区间值等，见下图：
从上图可以看出，工资、负债率的增加会带来显著的正向效应变化，而工作年限和居住时长的增加会带来显著的负向效应变化。
二元logistic回归分析的的流程到此为止就全部结束了，在使用该方法时一定要注意，因变量的数据类型是二分类变量，并且进行0-1编码；同时分类自变量需要进行虚拟哑变量设置，在分析时留一项作为对照项，否则无法进行分析。
标签：分析,二元,回归,违约,logistic,模型,变量 From： https://www.cnblogs.com/spssau/p/17152688.html