二元拟合线图
二元拟合线图针对一个连续预测变量,对合格/不合格或是/否结果的概率建模,可使用原始二元数据行或事件/试验次数计数,并采用 logit、probit 或 complementary log-log 连接函数。输出包括回归方程、偏差 ANOVA、Deviance R-Sq、AIC、ROC 曲线下面积、系数、比值比(logit)、拟合曲线和异常观测值。
最后审阅
核心要点
二元拟合线图对是/否结果关于一个连续预测变量拟合逻辑(或 probit)回归,并绘制 S 形概率曲线,显示某个设置需要变动多少才会使事件变得可能。
用途
二元拟合线图对是/否结果的概率如何随一个连续预测变量变化进行建模,并在数据上绘制拟合的 S 形曲线。当结果为合格/不合格、不合格品/合格品或结块/未结块,并且想知道温度、湿度或剂量等设置需要变动多少才会使事件变得可能时使用。
主要功能
- 接受原始数据(每个单元一行,带一个是/否列)或汇总数据(每行给出事件数和试验次数)。
- Logit、probit 或 complementary log-log 连接函数。
- 回归方程、偏差 ANOVA 表、模型汇总、带置信区间的系数,以及(对于 logit 连接函数)预测变量任意增量对应的比值比。
- 拟合概率曲线图,可选显示观测比例和置信带。
- 异常观测值表(残差较大或预测变量值异常)以及可选的残差图。
- 针对存在重复行的数据,提供可选的频数列。
统计方法
该工具将带一个预测变量的二元逻辑回归作为服从二项分布的广义线性模型,用最大似然法(迭代加权最小二乘法)进行拟合。对于 logit 连接函数,P(event) = exp(b₀ + b₁x) / (1 + exp(b₀ + b₁x));对于 probit,P = Φ(b₀ + b₁x);对于 complementary log-log,P = 1 − exp(−exp(b₀ + b₁x))。在原始数据格式中,响应等于 Event value 的行计为事件,其余各行计为非事件。
ANOVA 表通过偏差的下降来检验预测变量:χ² = 零模型偏差 − 残差偏差,自由度为 1。Deviance R-Sq 是所解释的零模型偏差所占的比例。系数表给出 Wald z 值和置信区间 b ± z·SE;增量 Δ 对应的比值比为 exp(b₁·Δ),其区间为 exp(Δ × b₁ 的各限值)。ROC 曲线下面积(Area Under ROC Curve)是随机选取的一个事件比随机选取的一个非事件具有更高拟合概率的可能性(0.5 = 无区分能力,1 = 完美)。
曲线周围的置信带使用线性预测值的标准误,并变换回概率尺度。在异常观测值表中,标准化残差超出 ±2 的标记为 R,杠杆值高于 3p/n 的标记为 X。对于原始数据,图上的观测比例是沿预测变量划分的最多 10 个等大小分组内的事件率。
输入字段和选项
字段 | 说明 |
Data format | Binary response(每个观测一行,默认)或 Event/Trial(每个设置一行,带事件数和试验次数)。 |
Response / Event value | Binary response 格式:存放结果的列,以及该列中计为事件的值(例如 Yes、Fail、1)。 |
Number of events / Number of trials | Event/Trial 格式:包含事件数以及每行所测试单元数的列。 |
Event name | 事件的可选标签,用于方程和图的坐标轴,例如 Caked。留空时:使用 Event value(Binary response 格式)或事件数列的名称(Event/Trial 格式)。 |
Predictor (continuous) | 数值型预测变量。必填。 |
Link function | Logit(默认)、Probit 或 Complementary log-log。 |
Confidence level | 默认值为 95。 |
Type of confidence interval | Two-sided(默认)、Lower bound 或 Upper bound;适用于系数、比值比和曲线置信带。 |
Frequency (optional) | 包含每行出现次数的列。 |
Increment for odds ratio | 报告比值比时所对应的预测变量变化量。默认值为 1。仅适用于 logit 连接函数。 |
Display observed proportions / Display confidence interval | 在图中添加观测事件比例和置信带。默认关闭。 |
Residuals for plots | 残差图使用 Regular 或 Deviance 残差。 |
Histogram of residuals / Normal probability plot of residuals / Residuals versus order / Three in one | 残差图;Three in one 将三者绘制在一起。 |
Residuals versus the variables | 将残差对所选列作图。 |

图 1 — 袋装结块示例的选项:以 Caked 为响应,事件为 Yes,以 Storage_RH_pct 为预测变量,logit 连接函数,湿度每增加 5 个点的比值比。
输出说明
- Regression Equation —— 事件的拟合概率,表示为预测变量的函数。
- Analysis of Variance —— 预测变量的偏差检验(Adj Dev、Chi-Square、P-Value),以及误差偏差和总偏差。
- Model Summary —— Deviance R-Sq、Deviance R-Sq(adj)、AIC、AICc、BIC 和 Area Under ROC Curve。
- Coefficients —— 常数项和预测变量的 Coef、SE Coef、Z-Value、P-Value 和置信限。
- Odds Ratios for Continuous Predictors(或 Odds Ratios (Increment=Δ))—— 仅适用于 logit 连接函数。
- Binary Fitted Line Plot —— 拟合概率曲线;若已勾选,还包括观测比例和置信带。
- Fits and Diagnostics for Unusual Observations —— 标记为 R(残差较大)或 X(X 值异常)的行。
- 残差图(若已选择)。
- 通过 Download 导出 PDF。

图 2 — 结块概率对储存湿度的二元拟合线图:曲线在约 64% RH 处越过 50%。
计算示例
纯碱在潮湿条件下储存时可能在袋中结块。某仓库团队检查 50 袋库存,记录每袋所处环境的平均相对湿度(Storage_RH_pct,35 至 88%)以及产品是否结块(Caked:25 个 Yes,25 个 No)。他们选择 Caked 作为响应,Event value 为 Yes,以 Storage_RH_pct 作为预测变量,保留 logit 连接函数,将比值比增量设为 5,并勾选两个显示选项。
湿度的影响很明显:偏差卡方为 41.55,p < 0.001,Deviance R-Sq 为 59.94%,ROC 曲线下面积为 0.9472,因此湿度能很好地区分结块袋与完好袋。方程为 P(Yes) = exp(−10.73 + 0.1681 RH) / (1 + exp(−10.73 + 0.1681 RH))。湿度每上升 5 个点,结块的比值乘以 2.32(95% CI 为 1.55 至 3.46)。根据该方程,结块概率在 55% RH 时约为 19%,在 63.8% RH 时为 50%,在 70% RH 时为 74%。
有三袋被标记为异常:两袋在较低的拟合概率(0.12 和 0.10)下结了块,一袋在 0.90 时仍保持完好;值得检查是否存在衬袋破损等其他原因。若要将结块风险保持在约 10% 以下,曲线表明应在低于约 51% RH 的条件下储存。改用 probit 连接函数得到的拟合几乎相同(Deviance R-Sq 为 60.50%)。
常见问题
什么是二元拟合线图?
二元拟合线图对合格/不合格或结块/未结块等是/否结果的概率如何随一个连续预测变量变化进行建模,并在数据上绘制拟合的 S 形曲线。它是带一个预测变量的二元逻辑回归,用最大似然法拟合,可采用 logit、probit 或 complementary log-log 连接函数。
如何解读二元拟合线图中的比值比?
对于 logit 连接函数,预测变量增量对应的比值比为 exp(b1 x 增量)。它是该变化使事件比值所乘以的因子。在示例中,储存湿度每上升 5 个点,结块的比值乘以 2.32,95% 置信区间为 1.55 至 3.46。
如何判断预测变量是否有显著影响?
ANOVA 表通过偏差的下降(自由度为 1 的卡方)来检验预测变量;p 值小表示影响明显。Deviance R-Sq 显示所解释的零模型偏差所占的比例,ROC 曲线下面积显示区分能力,其中 0.5 表示无区分能力,1 表示完美。
如何在 Zometric Statistical Software 中制作二元拟合线图?
选择数据格式:带 Event value 的二元响应列,或事件数和试验次数列。选择连续预测变量和连接函数(默认为 logit),设置置信水平和比值比增量,并可选择显示观测比例和置信带。输出给出方程、表格和图形。
