练习R：lrtest()函数做logistic回归全局显著性检验

上一篇文章中，《练习R：glm()函数连续自变量的二项logistic回归》我练习了glm函数实现二项logistic回归，在实践中发现glm函数并不是一劳永逸的，比如它没有似然比检验结果，没有Hosmer-Lemeshow检验结果，没有计算OR值，需要我们用户自己想办法。

glm()得到模型后，咱们需要了解当前模型是否有统计学意义。这个在SPSS中是可以看omnibus全局检验，那R怎么办呢？

今天小兵练习使用lrtest()函数实现模型似然比检验。

用《谁说菜鸟不会数据分析SPSS篇》的续约数据，收集到各商户id，注册时长、营业收入、成本数据以及合作续约的情况，用R实现连续自变量的二项logistic回归。

因变量是否续约，自变量包括注册时长、营业收入、成本，均为连续数据。

直接用glm()函数拟合：

xuyue.fit <- glm(续约~成本+营业收入+注册时长,data=xuyue,family=binomial(link = logit))summary(xuyue.fit)

成本、收入、时长对是否续约都有显著影响（P<0.05）。

依据上面回归系数的结果，写出logistic回归的方程式：

Logit(P)=Ln(P/1-P)=-2.287+0.099*时长+0.014*收入-0.184*成本

接下来考察一下模型是否显著。

library(lmtest)lrtest(xuyue.fit)

来看结果：

与只有常数项的模型相比较得到的结果。

模型显著性检验，用的是似然比卡方检验。模型有统计学意义，至少有一个引入的因素变量有效果（χ²=336.172，P＜0.001）。

这个结果和SPSS的结果是一致的。下图是SPSS的结果。

本文完

文/图=数据小兵