请教大家：帮我看看这道用logistic回归模型的题

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

因变量是二项分类变量0（未披露）、1（披露），
自变量是ROE（净资产收益率）、SJYJ（审计意见类型，0，表示标准无保留意见；1，表示带强调事项段的无保留意见；2，表示保留意见；3，表示带强调事项段的保留意见；4，表示无法意见）
假设1：ROE越高的上市公司，披露的概率越大；
假设2：被出具了非标准审计意见（即数字越大）的上市公司，披露的概率较低。
建立了逻辑回归方程。
分析结果：
表13 系数（ Coefficients）
Model Collinearity Statistics
Tolerance VIF
1 ROE .917 1.091
SJYJ .917 1.091

表14 逻辑回归分析结果 等式中的变量(Variables in the Equation)
Variables B S.E. Wald df Sig. Exp(B)
ROE .001 .008 .023 1 .879 1.001
SJYJ -.702 .369 3.623 1 .047 .496
Constant 1.007 .175 33.140 1 .000 2.738

表15 最终方程中所含的变量 剔除后等式中的变量(Variables in the Equation)
Variable B S.E. Wald df Sig. Exp(B)
SJYJ -.727 .333 4.779 1 .029 .483
Constant 1.012 .173 34.372 1 .000 2.750

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0 回帖

关键词：Logistic回归模型 logistic回归 logistic ogistic logisti 模型 logistic

粘上去数字有点乱

根据表13，我认为两个自变量之间不存在多重共线性。
根据表14、15说明，在两个自变量中，仅审计意见类型在0.05的显著性水平上通过了检验。审计意见类型的系数为负数，表示审计意见倾向于标准无保留意见的上市公司披露信息的概率较大，符合前面的假设2。
净资产收益率在0.05的显著性水平上未通过检验，也就是说净资产收益率的高低对是否披露信息不产生重大影响，与假设1不符。
所以，影响信息披露的主要因素是审计意见类型。

请问我的分析是否正确？
谢谢指导！

自变量只有两个，我觉得不要轻易剔除先。可以先对ROE进行logit回归试试，看p值如何，一般来说如果小于0.25的就不应剔除，说明还是重要的变量。

你用的是逐步回归？

自变量只有两个，我觉得不要轻易剔除先。可以先对ROE进行logit回归试试，看p值如何，一般来说如果小于0.25的就不应剔除，说明还是重要的变量。

同意上面的话,应该做下单变量logistic回归,看到底和因变量有没有关系.如果有,可以尝试作下变量转变(因为logistic回归是线形模型的推广,有自变量和logit线形关系的假设)

首先，多重共线性并不严重，

资产收益率不显著表明，人们炒股票比较盲目，只注重短期。投机性很强。

我觉得你的结果做得不错啊，呵呵。

其实，不显著的变量不要去掉更能说明问题，国外的文章都是不在乎变量的显著性的。其实你可以把两个模型（一个去掉不显著变量，另一个不去掉）做对照，说明，不显著变量的存在并没有影响到模型整体的准确性，也就是，对模型参数估计的影响不大。

谢谢各位的指点！

表14，我用的是全部进入；表15，是剔除ROE后对SJYJ做的logistic回归。

听了大家的意见，我做了单变量回归，结果是这样的：

Variables in the Equation

		B	S.E.	Wald	df	Sig.	Exp(B)
Step 1	ROE	.008	.007	1.513	1	.219	1.008
	Constant	.903	.165	29.925	1	.000	2.467

请问我这个结果需要做变量转换吗？要做的话，应该如何做呢？

谢谢大家对我的关心！

可以的,你可以做各种函数变换试试,也可以离散连续变量,用呀变量的形式表示试试,但也可能结果不太好(如果该变量真的和因变量没关系)

我没看到你做的R值是多少,因此不知道你模型拟合的如何,同时我也没看到你数据的数目,对这个模型很难判断好坏..

就上面做的模型,第一个变量首先要剔除,首先系数太小,对模型的贡献很小,其次没通过T检验.

当然你如果要做一下这个变量的单因子分析也可以,不过,我看结果不会有什么变化.

第二个变量保留..理由就不用说了吧.

总体感觉,模型太过于简单,没什么特色,变量引入的太少,最后保留下面的变量也太少.

我不知道你是要说明什么问题,如果仅仅说明第二个变量对模型的影响的话,目的已经达到了,就建模来说,没多大含义.