冷原 刘宇翔 迟育涵

分组数据Logistic回归是针对因变量为定性变量、自变量为分类变量的一种解决方案,加权最小二乘法可用来求解该方程，根据所有的数据分析，选取出险次数，车龄，使用性质，新车购买价，续保渠道5种因素为续保的影响因素,以是否续保为因变量,建立了影响汽车续保定性评价的分组数据Logistic回归方程,进行了回归方程显著性检验和回归系数显著性检验,、最后对影响汽车续保率的因素进行定性和定量分析。

数据缺失和组合补缺

在实际工作中, 数据的缺失是很正常的情况, 为此需要进行数据补缺. 为了最大程度地保留原有的决策规则, 采取组合补缺方法, 即对缺失的数据用该属性的所有可能的属性去填, 这样就形成了多条记录。

算法介绍

在许多问题中,所研究的因变量只有两个可能结果,这样的因变量可用虚拟变量来表示,虚拟变量的取值可为0和1。定性因变量回归存在如下问题:离散非正态误差项,零均值异方差性,回归方程的限制。对于普通回归所具有的上述问题,并不能从根本上解决问题。采用Logistic回归可以解决这个问题。假设要研究现象A发生的概率 ,并讨论 的大小与哪些因素有关。但由于 对 的变化在 或 附近不是很敏感,故寻找一个 的函数 ,使它在 或 附近变化幅度较大,同时希望 或 。取(1)，称(1)式为对 施行Logit变换。设影响 的变量有x ,则Logistic线性回归模型可表达为

参数估计

设对影响 的自变量 观测了 组结果,第 组中共观测了 次,其中A发生了 次。……