Logistic回归分析中的变量筛选

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

很喜欢这里，看网友的帖子学到了不少知识！

我们想利用Logistic回归分析对我国中小企业的信用风险进行实证研究. 因变量Y 表示企业是否违约：违约企业=0，正常企业=1.自变量是企业的20个财务指标。

我有以下几个问题搞不明白：

1、 变量一定要与因变量正向相关吗？为什么？

2、自变量的筛选：

20多个指标间由于存在较严重的多重共线性，但我不想使用SPSS的逐步剔除法，也不想使用因子分析或者主成分分析方法，我想Logistic回归分析之前筛选自变量，把多重共线的自变量剔除。有以下两种方法：

（1） 某个自变量Xj与其余的自变量进行回归，如果判定系数很大，F检验显著，则Xj可用其他自变量的线性组合表出，即Xj与其他自变量多重共线。那么将Xj从自变量中排除。

（2） 用判别分析法，把判别系数小的变量剔除。

哪个方法比较科学严密，请有经验的同志解答一下。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Logistic回归分析 logistic回归 logistic ogistic logisti 变量 回归分析 logistic 筛选

不一定非的正相关。

谢谢。可为什么有些人在分析之前，一定要验证正相关性？？

一般情况下，变量间或多或少地大都存在多重共线性，要按其严重性来分别对待，严重的就需要剔除或转换数据，不严重的就不需要做任何处理；经验判据是：方差膨胀因子大于5视为严重，或容许度小于1/5视为严重。自变量的筛选我个人认为（1）方法较好。

我搭车请教个问题：logistic回归分析能不能和分类树结合使用？有没有可行性？

关于变量筛选有很多方法，推荐你看 苏为华《多指标综合评价理论与方法问题研究》

实际的问题是比较复杂的，不是一句话两句话能说清楚的，如果数据量大的话，可用的方法就比多了，数据少的话其实没有很好的办法。

学习学习~

在我实际做的模型中，一般样本量是40-50万，我们一般要求VIF的不超过2。independent variable 一般有300-400个。筛选变量一般会看 回归出来的系数的正负是否和 该变量与因变量的相关性的方向相同。 还有就是变量的 co linear的指标，参照wald chi square 和 standard estimate 进行筛选

为何一定要正相关，数据量大可能做筛选成功的可能性大些