Logistic回归模型的统计诊断及其应用研究任务书

1. 毕业设计（论文）的内容和要求

回顾了线性回归模型的参数估计与统计诊断方法,推导Logistic 回归模型的概率密度函数,得到Logistic 回归模型的对数似然函数,然后我们采用极大似然估计法和牛顿迭代法计算未知参数,给出Logistic 回归模型的统计诊断,归纳该回归模型的诊断统计量,并通过R软件做统计诊断,画出各诊断统计量的散点图,然后通过这些图像找出模型的异常的或强影响点,更有效的对Logistic 回归模型进行统计诊断.

2. 实验内容和要求

主要内容：第二章回顾线性回归模型与统计诊断的基础知识,并由线性回归模型推广到广义线性模型,为构造Logistic 回归模型提供参照与借鉴.第三章回顾了Logistic 回归模型的定义,通过极大似然估计的方法估计出模型的未知参数.第四章列出Logistic 回归模型统计诊断的主要诊断统计量,对Logistic 回归模型做统计诊断,第五章结合实例进行分析.

3. 参考文献

[1] day n. e,kerridge d. f．a general maximum likelihood discriminant[j]．biometrics,1967,23:313-323.

[2] george e.o, mudholkar g. s．a characterization of the logistic distribution by asample median[j]．ann. inst. statist. math,1981,33:125-129.

[3] cook r d．detection ofinfluential observation in linear regression[j]．technometrics,1977,19:15-18.

4. 毕业设计（论文）计划

1. 3月之前大量阅读知网文章
2. 4月10日交初稿
3. 5月8日第一批答辩，5月12日第二批答辩