Logistic模型应用模板
基于logistic模型的2014年影响中国各省城市化水平的
经济地理因素分析
摘要：本文利用2013年中国31个省份的数据，从经济与地理位置两个因素出发，运用logistic回归的方法在SPSS软件上进行分析。结果显示：中国城市化发展水平不仅与经济密切相关，而且与其地理位置也有很大的关系，地区间城市化发展水平差距较明显，城市化各方面的因素水平发展不平衡。
关键词：logistic模型，城市化水平，SPSS软件
目录
一、引言 (3)
二、Logistic模型 (3)
1. 基本概念 (3)
2. 统计原理 (4)
（1）logit变换 (4)
（2）Logistic回归模型 (4)
（3）统计检验 (4)
三、基于logistic模型的我国各省城市化水平影响因素实证分析 (5)
1．数据来源与说明 (5)
2．模型检验 (5)
3．模型的建立与预测 (6)
四、结论 (7)
参考文献 (8)
一、引言
城市化的定义众多，本文参照《中华人民共和国国家标准城市规划术语》，认为城市化是“人类生产与生活方式由农村型向城市型转化的历史过程，主要表现为农村人口转化为城市人口及城市不断发展完善的过程。”城市化是一个系统的动态过程，包含了人口、经济、社会、城市建设等各方面变化的影响。它是经济发展和社会进步的必然结果，反过来也推动了经济的发展和社会的进步。
中国大陆的城市化进程在不同的时期具有不同的特点，总的来看城市化水平普遍较低，并已成为制约国家经济、社会和谐发展的主要原因之一。因而，各地区普遍把推进城市化进程作为经济、社会发展战略的一项重要目标选择。当前中国大陆已经进入了城市化水平的持续上升发展时期，此时对这样一个过程实施有效、客观、科学、动态的监测，从而及时发现并解决城市化进程中出现的难题，就必须加强对中国大陆城市化水平质与量等方面的考察和研究。这对于我们这样一个人口众多、区域经济发展不平衡的国家尤为重要。
本文不仅分析影响城市化水平的经济因素，还加入了地理位置对其城市化发展的影响。由于地理因素数据不是数值型变量，因此我们引用logistic回归方法对其进行建模。
二、Logistic模型
1.基本概念
Logistic回归分析就是针对因变量是定型变量的回归分析，这与一般的回归分析不同。在实际生活中，我们会经常遇到因变量是定型
变量的情况，这是需要使用Logistic 回归进行分析。 2.统计原理 （1）logit 变换
设因变量y 是只取0或1的而分类变量,p 为某事件发生的概率，取值区间为[]1,0，当时间发生时1=y ，否则0=y ，即)1(==y P p 是研究对象。将比率)1/(p p -取自然对数，即对p 做logit 变换：
)1/ln()(log p p p it -=
当1=p 时+∞=)(log p it ，当5.0=p 时0)(log =p it ，当0=p 时
-∞=)(log p it ，故)(log p it 的取值范围为),(+∞-∞。
（2）Logistic 回归模型
设有k 个因素k x x x ,,,21 影响y 的取值，则称
),,,()1ln(321x x x g p
p =- （1） 为二维Logistic 回归模型，简称Logistic 回归模型，其中的k 个因素
k x x x ,,,21 称为Logistic 回归模型的协变量。最重要的Logistic 回归模
型是Logistic 线性回归模型：
k k x x p
p βββ+++=- 110)1ln( （2） 式中，k βββ,,,10 是待估计的未知参数。可得
)
exp(1)
exp(110110k k k k x x x x p ββββββ+++++++=
（3）
（3）统计检验
在Logistic 回归中常用的检验有-2对数似然检验（-2log(likelihood),-2LL ）,Hosmer 和Lemeshow 的拟合优度检验，Wald
检验等。
三、基于logistic 模型的我国各省城市化水平影响因素实证分析 1．数据来源与说明
研究2014年我国各省城市化水平的经济地理因素。数据来源于《2014年中国统计年鉴》。城市化水平用城镇人口比重表示，影响因素包括人均GDP 与地理位置。地理位置为名义变量，中国各省被分为三大地带：东部、中部和西部。我们用各地区的地带分类代表地理位置。 2．模型检验
根据全国各省城市人口比重的平均值53.73作为临界值，大于等于53.73地区的城市化水平用Y 表示，小于53.73地区的城市化水平用N 表示。在SPSS 中，Y 用1表示，N 用0表示。自变量中涉及到代表不同地区类型的名义变量，属于中部的用1表示，否则用0表示。而在SPSS 分析中，0代表属于中部地区，1代表不属于中部地区。
从表1可以看出最开始对常数项赋值，结果为B=-0.194，标准误差为S.E.=0.361，则Wald 值为2
2
0.289
0.194..0.361Wald B S E ===-??
??
?
?
??
??
则()0.824B
Exp B e ==
本检验主要是针对步骤、模块和模型系数的综合性检验，共采用了三种检验方法，分别是步与步间的相对似然比检验、块间的相对似然比检验和模型间的相对似然比检验。从表2可以看出各卡方值远远大于临界值，并且其相应的P值都小于0.05，因此在显著性水平为0.05的情况下，都通过了检验。
Hosmer-Lemeshow 检验，该检验要求其卡方值低于临界值。从表3可以看出，取显著性水平0.05，其卡方值远远小于临界值，并且其对应的P值也大于0.05，据此可以判断Hosmer-Lemeshow 检验可以通过。
因变量城市化水平有两类数值，即0和1。在正常情况下，要求观测值和期望值逐渐趋于接近。根据表4，我们可以看出，观测值与期望值是相近的。则Hosmer-Lemeshow 检验的结果是理想的，模型的整体拟合效果较好。
3．模型的建立与预测
根据表5，建立如下线性关系：
ln()6990.180.19*1116.14*1p GDP p
=-+--人均中部 则有0.19*1116.14*0.19*1116.14*()1GDP GDP p y e e
--=
+（人均中部-6990.18）（人均中部-6990.18）
根据上式，就可以对因变量城市化的发生概率进行预测。 四、结论
本文介绍了Logistic 的基本理论及应用意义，结合SPSS 软件给出了Logistic 的具体应用，得出的结论精确度较高，可以用于预测。结果发现城市化不仅受到经济因素的影响，而且地理位置对城市化的影响因素也很大。
参考文献
[1] 李振福.长春市城市人口的Logistic模型预测[J].吉林师范大学学报：自然科学版，2003,24(1):16-19.
[2] 胡喜生，范海兰，宋萍等.改进Logistic模型在城市人口预测中的应用[J].北华大学学报，2008,9(4).
[3] 阎慧臻.Logistic模型在人口预测中的应用[J].大连工业大学学报，2008,27(4).
[4] 杜强，陈乔等.基于Logistic模型的中国各省碳排放预测[J].长江流域资源与环境，2013,22(2).
Logistic模型应用
基于logistic模型的2014年影响中国各省城市化水平的 经济地理因素分析 摘要：本文利用2013年中国31个省份的数据，从经济与地理位置两个因素出发，运用logistic回归的方法在SPSS软件上进行分析。结果显示：中国城市化发展水平不仅与经济密切相关，而且与其地理位置也有很大的关系，地区间城市化发展水平差距较明显，城市化各方面的因素水平发展不平衡。 关键词：logistic模型，城市化水平，SPSS软件
目录 一、引言 (3) 二、Logistic模型 (3) 1. 基本概念 (3) 2. 统计原理 (4) （1）logit变换 (4) （2）Logistic回归模型 (4) （3）统计检验 (4) 三、基于logistic模型的我国各省城市化水平影响因素实证分析 (5) 1．数据来源与说明 (5) 2．模型检验 (5) 3．模型的建立与预测 (7) 四、结论 (7) 参考文献 (8)
一、引言 城市化的定义众多，本文参照《中华人民国国家标准城市规划术语》，认为城市化是“人类生产与生活方式由农村型向城市型转化的历史过程，主要表现为农村人口转化为城市人口及城市不断发展完善的过程。”城市化是一个系统的动态过程，包含了人口、经济、社会、城市建设等各方面变化的影响。它是经济发展和社会进步的必然结果，反过来也推动了经济的发展和社会的进步。 中国大陆的城市化进程在不同的时期具有不同的特点，总的来看城市化水平普遍较低，并已成为制约国家经济、社会和谐发展的主要原因之一。因而，各地区普遍把推进城市化进程作为经济、社会发展战略的一项重要目标选择。当前中国大陆已经进入了城市化水平的持续上升发展时期，此时对这样一个过程实施有效、客观、科学、动态的监测，从而及时发现并解决城市化进程中出现的难题，就必须加强对中国大陆城市化水平质与量等方面的考察和研究。这对于我们这样一个人口众多、区域经济发展不平衡的国家尤为重要。 本文不仅分析影响城市化水平的经济因素，还加入了地理位置对其城市化发展的影响。由于地理因素数据不是数值型变量，因此我们引用logistic回归方法对其进行建模。 二、Logistic模型 1.基本概念 Logistic回归分析就是针对因变量是定型变量的回归分析，这与一般的回归分析不同。在实际生活中，我们会经常遇到因变量是定型
二分类与多分类Logistic回归模型
二分类Logistic 回归模型 在对资料进行统计分析时常遇到反应变量为分类变量的资料，那么，能否用类似于线性回归的模型来对这种资料进行分析呢？答案是肯定的。本章将向大家介绍对二分类因变量进行回归建模的Logistic 回归模型。 第一节 模型简介 一、模型入门 在很多场合下都能碰到反应变量为二分类的资料，如考察公司中总裁级的领导层中是否有女性职员、某一天是否下雨、某病患者结局是否痊愈、调查对象是否为某商品的潜在消费者等。对于分类资料的分析，相信大家并不陌生，当要考察的影响因素较少，且也为分类变量时，分析者常用列联表(contingency Table)的形式对这种资料进行整理，并使用2χ检验来进行分析，汉存在分类的混杂因素时，还可应用Mantel-Haenszel 2χ检验进行统计学检验，这种方法可以很好地控制混杂因素的影响。但是这种经典分析方法也存在局限性，首先，它虽然可以控制若干个因素的作用，但无法描述其作用大小及方向，更不能考察各因素间是否存在交互任用；其次，该方法对样本含量的要求较大，当控制的分层因素较多时，单元格被划分的越来越细，列联表的格子中频数可能很小甚至为0，将导致检验结果的不可靠。最后， 2χ检验无法对连续性自变量的影响进行分析，而这将大大限制其应用范围，无疑是其致使 的缺陷。 那么，能否建立类似于线性回归的模型，对这种数据加以分析？以最简单的二分类因变量为例来加以探讨，为了讨论方便，常定义出现阳性结果时反应变量取值为1，反之则取值为0 。例如当领导层有女性职员、下雨、痊愈时反应变量1y =，而没有女性职员、未下雨、未痊愈时反应变量0y =。记出现阳性结果的频率为反应变量(1)P y =。 首先，回顾一下标准的线性回归模型： 11m m Y x x αββ=+++ 如果对分类变量直接拟合，则实质上拟合的是发生概率，参照前面线性回归方程 ，很自然地会想到是否可以建立下面形式的回归模型： 11m m P x x αββ=+++ 显然，该模型可以描述当各自变量变化时，因变量的发生概率会怎样变化，可以满足分析的基本要求。实际上，统计学家们最早也在朝这一方向努力，并考虑到最小二乘法拟合时遇到的各种问题，对计算方法进行了改进，最终提出了加权最小二乘法来对该模型进行拟合，至今这种分析思路还偶有应用。 既然可以使用加权最小二乘法对模型加以估计，为什么现在又放弃了这种做法呢？原因在于有以下两个问题是这种分析思路所无法解决的： （1）取值区间：上述模型右侧的取值范围，或者说应用上述模型进行预报的范围为整 个实数集(,)-∞+∞，而模型的左边的取值范围为01P ≤≤，二者并不相符。模型本身不能
基于logistic模型的企业生态系统演化分析
基于logistic 模型的企业生态系统演化分析 赵树宽 郝陶群 李金津(吉林大学,长春 130012) 〔摘 要〕 本文引入生态学的理论及方法,定义了企业生态系统,探讨了企业生态系统的基本结 构,概括出企业生态系统的特点,分析了企业生态系统演化的条件和动因,运用生物种群演化的logistic 模型描述了企业生态系统演化过程,并据此提出企业生态系统演化策略。 〔关键词〕 企业生态系统 logistic 增长模型 演化策略〔中图分类号〕F27015 〔文献标识码〕A 收稿日期:2008—07—15 生态系统一词最早由英国生态学家A 1G 1T ansley 于 1935年在他的“植被概念与术语的使用”一文中提出。 他指出“我们不能把生物与其特定的自然环境分开,生物与环境形成了一个自然系统。正是这种系统构成了地球表面上具有大小和类型的基本单位,这就是生态系统。”生态系统是指在一定时间和空间范围内,由生物群落与其环境组成的一个整体,该整体具有一定的大小和结构 ,各成员借助能量流动、物质循环和信息传递而相互联系、相互影响、相互依存,并形成具有自组织和调节功能的复合体。 企业与生物界的生物个体相似,没有一个企业可以脱离其他经济共同体而单独长期生存。企业在其特定的环境中,与外界进行物质、能量、信息和价值的交换,构成一个相互作用共同发展的整体。这个共同体就是企业生态系统。可以说在企业的发展过程中也要遵循“优胜劣汰、适者生存”等生态学的自然规律。因此,运用生态学的理论及思维方法分析和研究企业中的问题,即企业仿生化研究,具有重要的实践意义。 1 企业生态系统的构成 企业生态系统的构成具有层次性,可以分为企业内部生态和企业外部生态。企业内部生态指的是企业作为一个生物个体其有机体内的共生单元和生命系统,主要包括企业家、企业员工、资产状况、企业文化、技术水平、信息系统等。企业外部生态又可以分为生物成分和非生物成分。生物成分是指由不同物种所形成的生物群落, 包括同质企业、消费者、供应商、市场中介、和投资者。非生物成分则又分为自然生态和社会生态:自然生态是指企业所处地域的自然资源和地缘地貌和气候等因素;而社会生态反映的是社会发展水平,即包括有物质形态的因素也包括非物质形态的因素,主要有经济因素、政治因素、法律因素、文化背景因素、人力资源因素、科技水平因素等。如图1所示。图1 企业生态系统构成 企业个体及同质企业所形成的群体(Σa 1)是生物成分的主要物种之一。此外,消费者(Σb 1)、供应商 (Σc 1)、市场中介(Σd 1)和投资者(Σe 1)等也均可视为 企业生态系统的主要物种。企业生态系统的非生物成分有自然因素(ΣA 1)、经济因素(ΣB 1)、政治因素(ΣC 1)、法律因素(ΣD 1)、文化背景因素(ΣE 1)、人力资源因素 (ΣF 1)与科技水平因素(ΣG 1),由此可以抽象出一个企 业生态系统各相关成分间相互依赖关系的函数式: 企业生态系统=F (生物成分,非生物成分)=F (Σa 1、Σb 1、Σc 1、Σd 1、Σe 1…,ΣA 1、ΣB 1、ΣC 1、ΣD 1、ΣE 1、ΣF 1、ΣG 1… )企业生态系统还包括了政府部门和立法者、分别代表消费者和供应商的协会以及制定标准的机构,他们是一些特殊的成分,既可能是消费者、投资者,又对系统非生物环境起决定性作用,他们隐含在上述关系中。 2 企业生态系统的特点 企业生态系统与自然生态系统相比,既具有相似性,又具有其独特性。总的来说,企业生态系统主要有以下几个特点。 211 企业生态系统是一个动态循环的系统 在企业生态系统中,任何一个个体的生存都有赖于 — 07—
基于logistic回归分析
基于SPSS logistic回归分析探究不同月均收入的男女比例 一一一 华北科技学院基础部北京东燕郊 065201 摘要：在计划经济时代,由于中国政府推行男女性别平等的就业制度和工资分配制度,因而城市劳动力性别工资差异并不明显。经济改革以来,伴随着由计划经济向市场经济的转型,工资分配机制发生了根本改变,性别工资差异越来越明显。性别分割是我国劳动力市场上一直存在的一种现象,性别收入差距总体趋势在扩大;个体特征差异能够在一定程度上解释性别收入差异,现阶段性别收入差异在很大程度上是由于劳动者本身的人力资本水平引起的,是正常合理的范围;歧视仍然是造成性别收入差距的一个原因,女性在获得教育的机会上还是比男性要低,而且女性很难进入到高收入行业和职业,使得在教育方面女性仍然处于不利地位。本文将运用SPSS二元回归分析探究不同月均收入对应的男女比例并得出结论，旨在对分析结果提出一些有建设性的建议。 关键词：logistic回归分析；SPSS软件；人均收入；性别比例 Based on SPSS logistic regression analysis to explore the sex ratio of different monthly income NIU Xiaoyu （North China institute of science and technology，Beijing，065201，China） Abstract: In the era of planned economy, as a result of the Chinese government to implement gender equality employment system and salary distribution system, and urban labor gender wage gap is not obvious. Since the economic reform, with the transition from planned economy to market economy, fundamental changes have taken place in wage distribution mechanism, the gender wage gap is more and more obvious. Gender segmentation is China's labor market has been a phenomenon of gender overall trend in the expanding income gap; Individual characteristics can partly explain the gender income differences, gender differences at present stage is largely caused by the human capital level of laborer itself, is a normal reasonable range; Discrimination is still a cause of the gender pay gap, women in the opportunity to gain education or lower than men,