采用R软件中的广义线性模型过程glm( )可以完成回归系数的估计,以及模型回归系数的显著性检验.程序如下：

广义线性模型:Logistic模型

setwd("D:\\Rdownload\\lianxi\\third")  #设定工作路径
d3.5<-read.csv("ex3.5.csv",header=T)  #将ex3.5.csv数据读入到d3.5中
glm.logit<-glm(admit~gre+gpa+rank,family=binomial(link =logit),data=d3.5)  #建立admit关于gre，gpa，rank的logistic回归模型，数据为d3.5
summary(glm.logit)  #模型汇总

## 
## Call:
## glm(formula = admit ~ gre + gpa + rank, family = binomial(link = logit), 
##     data = d3.5)
## 
## Coefficients:
##              Estimate Std. Error z value Pr(>|z|)    
## (Intercept) -3.449548   1.132846  -3.045  0.00233 ** 
## gre          0.002294   0.001092   2.101  0.03564 *  
## gpa          0.777014   0.327484   2.373  0.01766 *  
## rank        -0.560031   0.127137  -4.405 1.06e-05 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 499.98  on 399  degrees of freedom
## Residual deviance: 459.44  on 396  degrees of freedom
## AIC: 467.44
## 
## Number of Fisher Scoring iterations: 4

##容易看出，该回归模型的回归系数都很显著，gre和gpa的回归系数在5%的水平上显著；rank的回归系数在0.1%的水平上显著。

##于是可以得到lnˆp/1-ˆp = - 3.4495 + 0.0023gre + 0.7770gpa - 0.5600rank