二元逻辑是什么

二元逻辑回归介绍

定义

Logistic回归主要用于因变量为分类变量（如是否等）的回归分析，自变量可以为分类变量，也可以为连续变量。它可以从多个自变量中选出对因变量有影响的自变量，并可以给出预测公式用于预测。而因变量为二分类的称为二项logistic回归，通常再解释变量为0和1二值品质变量的时候采用。

Logistic 回归模型的假设检验——常用的检验方法有似然比检验（likelihood ratio test） 和 Wald检验）

似然比检验的具体步骤如下：

1：先拟合不包含待检验因素的Logistic模型，求对数似然函数值INL0

2：再拟合包含待检验因素的Logistic模型，求新的对数似然函数值InL1

3：最后比较两个对数似然函数值的差异，若两个模型分别包含l个自变量和P个自变量， 似然比统计量G的计算公式为 G=2(InLP - InLl). 在零假设成立的条件下，当样本含量n较大时，G统计量近似服从自由度为 V = P-l 的 x平方分布，如果只是对一个回归系数（或一个自变量）进行检验，则 v=1.

wald 检验，用u检验或者X平方检验，推断各参数βj是否为0，其中u= bj / Sbj, X的平方=（bj / Sbj), Sbj 为回归系数的标准误。

小提示：

这里的“二元”主要针对“因变量”所以跟“曲线估计”里面的Logistic曲线模型不一样，二元logistic回归是指因变量为二分类变量是的回归分析，对于这种回归模型，目标概率的取值会在（0-1），但是回归方程的因变量取值却落在实数集当中，这个是不能够接受的，所以，可以先将目标概率做Logit变换，这样它的取值区间变成了整个实数集，再做回归分析就不会有问题了，采用这种处理方法的回归分析，就是Logistic回归。

二元逻辑回归模型 ：Logit P=in（( p / 1-p ) ）

设因变量为y, 其中“1” 代表事件发生， “0”代表事件未发生，影响y的 n个自变量分别为 x1, x2 ,x3 xn等等，记事件发生的条件概率为 P，那么P= 事件未发生的概理为 1-P，事件发生跟”未发生的概率比 为( p / 1-p ) 事件发生比，经过对数转换，即可得到Logistic回归模型的线性模型。

二元逻辑回归的适用条件

因变量为二分类的分类变量或者某事件的发生率（一个研究对象重复计数现象指标不适用）

自变量与logit(p)之间有线性关系

残差合计为0，且服从二项分布

各观测变量相互独立

二元逻辑回归操作

二元逻辑回归在SPSS里可以通过对话框直接操作，也可以通过句法编辑器实现。本节主要从对话框操作入手，介绍如何在spss里使用对话框进行二元逻辑回归分析

1.选择数据文件《少先队组织认同》（以此为例下不重复） 。

2.打开spss统计软件，依次点击[分析]——[回归]——[二元logistic]，数据集少先队认同为因变量，社会评价、性别、年级、家庭支持、同伴关系等为自变量，将因变量和自变量依次放入指定的选项框中。

3点击[分类]，将为分类变量的自变量放入右侧[分类协变量]框中，本案例的自变量性别、年级等为分类变量，将这些分类的自变量选入右侧框中。

4.[参考类别]选择[最后一个]或[第一个]均可，这里选择默认的[最后一个]，点击[继续]。

5.点击[保存]，勾选[概率]、[组成员]，然后[继续]。

6.点击[选项]，勾选[霍斯默-莱梅肖拟合优度]和[95%的置信区间]，然后[继续]。

7.自变量进入模型方式选择输入，也就是全部进入。然后点击[确定]，输出结果。

二元逻辑有两个因子，通过两个因子的构成和相互联系来体现。

二元逻辑简单地说就是把对世界的判断分为“是”与“非”两种选择，非此即彼。

二元逻辑必然带来二元论，其主张世界有精神和物质两个独立本源的哲学观。二元论机械地割裂了物质与精神的关系，是一种试图调和唯物主义和唯心主义的哲学观。在一定层面上二元论也是一种认识问题的有效方法，因为它来源于实际经验，如对善与恶、美与丑、好与坏的区分等等。在认识事物的态度上，我们在很大程度上习惯于运用二元分立的方法，这种态度反映在对艺术问题的认识上，表现出的则是理性与感性的二分、不同派系的二分、不同学统的二分等等。往往是各据一理，相持不下。对事物的认识坚持自我立场固然是必要的，但却不能偏执一端，唯我自恃。若不能够跳出物象之表，却分别执著，常常会导致对问题认识的偏颇。

二元逻辑，又称二值逻辑或布尔逻辑，是一套处理命题必须是真或假的规则，主要应用于计算机程序设计和数学，虽然也有一些娱乐游戏和谜题是基于更形式化的逻辑。

二进制逻辑的替代品是"模糊"逻辑，它允许非真亦非假的语句和/或具有真实度的语句。