列联表和卡方检验 分类变量之间的相关性一般可以采用列联表分析或卡方检验的方法来进行验证。 列联表是两个分类变量的分类水平之间形成的交叉频数表,通过计算行百分比或列百分比,对实际频率和期望频率进行对 比分析,例如一个典型的列联表如下:
对于表中频数、期望频数、行/列百分比的解读方法要熟练掌握。 比如98代表的是头发颜色为金色,眼睛颜色为深色的样本数量。 而355.2则是期望的数量。6.7%是行百分比,也就是在所有头发颜 色为金色的样本中,眼睛颜色为深色的占比。
列联表是一种比较简单的描述性统计方法,而卡方检验则可以通过量化的方法对两个分类变量的相关性进行检验,卡方统 计量如下:
在掌握了列联表分析和卡方检验的基础上,可以学习使用逻辑回归对分类变量进行预测。 逻辑回归主要处理的就是分类问题。事实上,也可以把他看作是线性回归一种延伸。我们面对的因变量,也就是模型输出 结果不再是一个连续变量,而是一个分类变量。最常见的逻辑回归就是二分类变量逻辑回归,通常我们可以使用这种方法 来寻找目标客户。
1.进行逻辑回归时,我们希望选择的变量尽可能地有效,避免冗余。常用的变量筛选方法有如下几种:
Wald检验:通过Wald统计量,来检验自变量对因变量的影响能力。Wald越大,说明自变量的相关性越大,越应该保留。
似然比检验(Likehood Ratio):也是逻辑回归非常常用的一种检验方法。逻辑回归模型的估计一般是使用最大似然估计, 也就是说找到一个似然函数L,使其达到最大值。L越大,也就说明模型的预测效果越好。因此似然比检验本质上是对包 含或者不包含某一个或者几个变量的模型L值进行比较,从而做出判断。
比分检验(Score Test):以包含某个或者某几个变量的模型作为基础,加入系数为0的新变量,通过计算似然函数的一阶 偏导数和信息矩阵,取两者的乘积作为最终的统计量。
这三种方法中,似然比检验是最可靠,也是最常用的一种变量筛选方法。在变量存在共线性时,Wald检验结果不可靠。另 外,实际应用是以上三种方法,都可以采用向前或者向后逐步的方式进行变量筛选。
另外在逻辑回归模型里,我们需要使得自变量和因变量的对数存在线性关系。如果发现实际的变量不符合,可以通过筛选 变量,变量转换等方式进行调整。另外变量转换也可以避免异常值对结果造成偏差。
前面提到,逻辑回归的模型参数估计通常采用的是最大似然函数法,因此理论上需要有一定量的样本才能采用这种方法, 否则检验公式就是不合理的。另外也需要注意的是,逻辑回归的模型无法解决多重共线性的问题,因此在输入变量前,对 变量进行检验和清洗是非常必要的。 得到模型后,我们可以通过混淆矩阵和ROC曲线来评判模型的效果。
灵敏度指的是模型“击中”的概率,也就是对于实际发生(取值为1)的样本,模型预测为1的概率。对应上图的公式为 A/(A+B)。
特异度指的是模型“正确否定”的概率,也就是说对于实际没发生(取值为0)的样本,模型预测为0的概率。对应上图 的公式为D/(C+D)。
因此,可以看到不管是灵敏度还是特异度,都是越高,说明我们的模型越有效。在实际应用中,由于逻辑回归模型计算 的结果其实是一个相对可能性p,因此我们可以根据实际情况调整判断取值为1的p的标准。更有侧重性地提高灵敏度或 者特异度。
3.ROC曲线
除了使用混淆矩阵,我们还可以通过ROC曲线的方式来图形化地判断模型效果。
ROC曲线也是基于灵敏度和特异度来进行判断的。曲线下面积AUC 指的是ROC曲线、底线和右侧线围成的面积。ROC曲线的面积一般 在0.5-1之间。这个数值越接近1,表明模型预测能力越强。当AUC 在0.7-0.9时,我们认为模型有较高的判断作用。而AUC接近0.5的 时候,我们人为这个模型是无效的。
在实际业务中,我们一般利用二分类逻辑回归作为筛选目标客户的 主要手段。不管是识别明星客户、流失客户,甚至是可能存在违约 或者欺诈行为的客户,都可以采用这种方法。
1. 某客户为欺诈的概率为0.4,则优势odds为( )?
A. 0.4
B .2 / 3
C. 3 / 2
D. 0.6
答案:B 解析:该题考核了二分类变量分析的基础知识。Odds的定义是显性结果的概率比上非显性结果的概率,因此为0.4 / 0.6,等 于2 / 3。
2. 建立逻辑回归时,为什么有时候需要对连续变量进行分箱处理?
A. 避免变量的共线性
B. 捕获原始连续变量和被解释变量之间非线性关系
C. 避免异常值影响
D. 修正残差非正态分布
答案:BC 解析:如果发现解释变量与反应变量之间相关,但又不呈现线性关系时,往往会对解释变量进行分箱,同时分箱也能够消除极端值。 因此选BC。
点击CDA题库链接,获取免费版CDA题库入口,祝考试顺利,快速拿证!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-06在现代企业中,数据分析师扮演着至关重要的角色。每天都有大量数据涌入,从社交媒体到交易平台,数据以空前的速度和规模生成。面 ...
2025-01-06在职场中,许多言辞并非表面意思那么简单,有时需要听懂背后的“潜台词”。尤其在数据分析的领域里,掌握常用术语就像掌握一门新 ...
2025-01-04在当今信息化社会,数据分析已成为各行各业的核心驱动力。它不仅仅是对数字进行整理与计算,而是在数据的海洋中探寻规律,从而指 ...
2025-01-03又到一年年终时,各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告,不仅能全面呈现你的工作价值, ...
2025-01-03在竞争激烈的商业世界中,竞品分析对于企业的发展至关重要。今天,我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-03在数据分析的江湖里,有两个阵营总是争论不休。一派信奉“大即是美”,认为数据越多越好;另一派坚守“小而精”,力挺质量胜于规 ...
2025-01-02数据分析是一个复杂且多维度的过程,从数据收集到分析结果应用,每一步都是对信息的提炼与升华。可视化分析结果,以图表的形式展 ...
2025-01-02在当今的数字化时代,数据分析师扮演着一个至关重要的角色。他们如同现代企业的“解密专家”,通过解析数据为企业提供决策支持。 ...
2025-01-02数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪 ...
2024-12-31数据分析,听起来好像是技术大咖的专属技能,但其实是一项人人都能学会的职场硬核能力!今天,我们来聊聊数据分析的核心流程,拆 ...
2024-12-31提到数据分析,你脑海里可能会浮现出一群“数字控”抱着电脑,在海量数据里疯狂敲代码的画面。但事实是,数据分析并没有你想象的 ...
2024-12-31关于数据分析师是否会成为失业高危职业,近年来的讨论层出不穷。在这个快速变化的时代,技术进步让人既兴奋又不安。今天,我们从 ...
2024-12-30数据分析师在现代企业中扮演着关键角色,他们的工作内容不仅丰富多样,还对企业的决策和发展起着重要的作用。正如一个经验丰富的 ...
2024-12-29数据分析师的能力要求 在当今的数据主导时代,数据分析师的角色变得尤为重要。他们不仅需要具备深厚的技术背景,还需要拥有业务 ...
2024-12-29随着技术的飞速发展与行业的持续变革,不少人心中都存有疑问:到了 2025 年,数据分析师还有前途吗?给你分享一篇阿里P8大佬最近 ...
2024-12-29如何构建数据分析整体框架? 要让数据分析发挥其最大效能,建立一个清晰、完善的整体框架至关重要。今天,就让我们一同深入探讨 ...
2024-12-27AI来了,数分人也可以很省力,今天给大家介绍7个AI+数据分析工具,建议收藏。 01酷表 EXCEL 网址:https://chatexcel.com/ 这是 ...
2024-12-26一个好的数据分析模型不仅能使分析具备条理性和逻辑性,而且还更具备结构化和体系化,并保证分析结果的有效性和准确性。好的数据 ...
2024-12-26当下,AI 的发展堪称狂飙猛进。从 ChatGPT 横空出世到各种大语言模型(LLM)接连上线,似乎每个人的朋友圈都在讨论 AI 会不会“ ...
2024-12-26