做逻辑回归时，将p小于多少的代入

做逻辑回归时，将p小于多少的代入

六西格玛培训二项逻辑回归
一、什么是二项逻辑回归
二项逻辑回归（Binary Logistic Regression）是回归分析的一个分支。特别是在因变量为区分型数据时，使用二项逻辑回归，可以分析因变量和自变量二者之间的相关关系。
二、应用目的
很多情况下，六西格玛项目团队收集到的过程输出Y的测量值是一些区分型数据，例如：产品合格与不合格，缺陷存在于不存在，事件发生了与没有发生等。在这种情况下，分析因素X对过程输出Y的影响，特别是在样本容量较小的情况下，需要用二项逻辑回归分析的方法，以帮助团队得到准确的分析结论。包括因素影响的统计显著性和实践显著性。同时二项逻辑回归还可以帮助团队预测过程输出变量出现某种结果的可能性。
三、构成与原理
二项逻辑回归于现行回归分析具有类似的分析原理，但二项逻辑回归研究的观测变量是区分型数据，其结果只有两种可能：事件发生/事件不发生。也就是我们通常研究的过程输出结果为：合格/不合格。故直接使用区分型数据进行回归分析显然是不合适的，此时就要考虑对观测变量进行某种变换。如果将过程观测变量转换为合格率/不合格率（P）这样的百分比值，但百分比值的取值范围只能是0-1，仍无法满足回归分析的要求。如果合格率/不合格率转换成P/（1-P）——在二项逻辑回归中将该比值称为优势比。但优势比的取值范围是0~+∞。再将优势比取对数作变换，将观测值转换成1np/1-p，可以证明该值的变化范围是-∞~+∞。之后使用转换后的数据与自变量进行线性回归分析，则与前述的线性回归分析并无二致了，即Y=1np/1-p=a+b1x1+b2x2+........bixi
在二项逻辑回归中，因素影响的实践显著性是通过优势比表达的。优势比距数值1越远，则因素的影响程度就越大。
四、应用方法
可按下述步骤，用二项逻辑回归帮助团队得出分析结论：
（1）考察团队收集到的分析数据。如果过程输出Y为区分型数据时，可选用二项逻辑回归犯法回答因素影响的统计显著性和实践显著性问题。
（2）确定检验的显著性水平α=0.05。
（3）将过程输出数据进行转换，再进行回归分析，得到回归方程以及优势比和P值。
上述计算过程可以用计算机辅助完成。

虽然我很聪明，但这么说真的难到我了

如以上回答内容为低俗、色情、不良、暴力、侵权、涉及违法等信息，可以点下面链接进行举报！

点此我要举报以上问答信息