最大似然的示例：Logistic 回归

该示例显示如何使用“非线性”平台将损失函数最小化。损失函数是负对数似然函数，因此生成最大似然估计值。

Nonlinear Examples 样本数据文件夹中的 Logistic w Loss.jmp 数据表包含一个使用损失函数拟合 Logistic 回归的示例。Y 列中 1 表示事件，0 表示事件没有发生。模型 Y 列具有线性模型，损失列具有损失函数。在该示例中，损失函数是每个观测值的负对数似然，或观测到响应值的概率的负对数。

按以下步骤运行模型：

1. 选择帮助 > 样本数据库，然后打开 Nonlinear Examples/Logistic w Loss.jmp。

2. 选择分析 > 专业建模 > 非线性。

3. 将模型 Y 分配给 X，预测变量公式角色。

4. 将损失分配给损失角色。

图 15.11 “非线性”启动窗口 

5. 点击确定。

“非线性拟合”控制面板随即显示。

图 15.12 “非线性拟合”控制面板 

6. 点击执行。

参数估计值显示在“解”报表中。

图 15.13 “解”报表 

“解”报表中的“损失”值是在参数估计值处求得的负对数似然。

需要更多信息？有问题？从 JMP 用户社区得到解答 (community.jmp.com).