(1)二者的根本区别在于广义囮线性模型中的联系函数的形式logit采用对数形式log(a),logit和logistic形式为log(a/1-a)
(2)应用上,普通logit和logistic的响应变量是二元的多元logit和logistic的因变量可为多元。logit嘚响应变量可以是多元的
(4)当因变量是多类的,可以采用logit和logistic也可以用logit,计算结果并无多少差别
你对这个回答的评价是?
(1)二者的根本区别在于广义囮线性模型中的联系函数的形式logit采用对数形式log(a),logit和logistic形式为log(a/1-a)
(2)应用上,普通logit和logistic的响应变量是二元的多元logit和logistic的因变量可为多元。logit嘚响应变量可以是多元的
(4)当因变量是多类的,可以采用logit和logistic也可以用logit,计算结果并无多少差别
你对这个回答的评价是?
下载百度知道APP抢鲜体验
使用百度知道APP,立即抢鲜体验你的手机镜头里或许有别人想知道的答案。
logit和logistic回归虽然名字叫”回归”
线性回归和logit和logistic回归都是广义线性模型的特例
假设有一个因变量y和一组自变量x1, x2, x3, ... , xn,其中y为连续变量我们可以拟合一个线性方程:
并通过最小二乘法估计各个β系数的值。
如果y为二分類变量,只能取值0或1那么线性回归方程就会遇到困难:
这是一个S型函数值域为(0,1),能将任何数值映射到(0,1)且具有无限阶可导等优良数学性质。
我们将线性回归方程改写为:
此时方程两边的取值都在0和1之间
进一步數学变换,可以写为:
Ln(y/(1-y))称为Logit变换我们再将y视为y取值为1的概率p(y=1),因此1-y就是y取值为0的概率p(y=0),所以上式改写为:
接下来就可以使用”最大似嘫法”估计出各个系数β。
class)1表示是,0表示否;
根据这个交叉表对于男性(Male),其处在荣誉班级的概率为17/91处在非荣誉班级的概率为74/91,所以其处在荣誉班级的几率odds1=(17/91)/(74/91) = 17/74 = 0.23;相应的女性处于荣誉班级的几率odds2
ln(OR)(exp(x)函数为指数函数,代表e的x次方)
= exp(-9.793942) = .,是非常小的因为在我们的数据中,没有math成绩为0的学生所以这是一个外推出来的假想值。
= 2.66倍或者说,女性的几率比男性高166%
加载中,请稍候......
}版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。