matlab实现logit模型/逻辑回归（详细版）

本文分享了二分类logit模型的代码，获得R值与P值以及t检验等方法

[data,mtext]=xlsread('Total_Data.xls')%读入数据

y=data(:,10)%选择因变量

ROS=data(:,1)

ROE=data(:,2)

Sales_Growth=data(:,3)

Labor_Productivity=data(:,4)

RD=data(:,5)

Leverage=data(:,6)

state_Ownership=data(:,7)

Firm_Size=data(:,8)

Firm_Age=data(:,9)%选择自变量

w7=cat(2,ROS,ROE,Sales_Growth,Labor_Productivity,RD,Leverage,state_Ownership,Firm_Size,Firm_Age)

mdl=fitglm(w7,y,'Distribution','binomial')%逻辑回归代码

mdl.Rsquared%R^2值

回归结果

mdl =

广义线性回归模型:

logit(y) ~ 1 + x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9

分布 = Binomial

估计系数:

Estimate SE tStat pValue

_________ _________ ________ __________

(Intercept) 0.10518 2.3205 0.045326 0.96385

x1 0.011964 0.019658 0.60859 0.5428

x2 -0.12795 0.037184 -3.4409 0.00057977

x3 0.0027529 0.0010696 2.5738 0.01006

x4 0.017979 0.03004 0.5985 0.54951

x5 0.23828 0.078871 3.0211 0.0025187

x6 -0.081296 0.035075 -2.3178 0.02046

x7 -0.20062 1.4503 -0.13833 0.88998

x8 -0.022742 0.0077898 -2.9195 0.0035058

x9 0.45523 0.13215 3.4449 0.00057124

256 个观测值，246 个误差自由度

散度: 1

卡方统计量(常量模型): 282，p 值 = 1.89e-55 （卡方p值）

ans =

包含以下字段的 struct:

Ordinary: 0.8921

Adjusted: 0.8881

LLR: 0.8818

Deviance: 0.8818

AdjGeneralized: 0.9360

（LLR是伪R^2，是逻辑回归的常用R值，原因详见下图）