logistic回归分析结果解读

3月前发布

logistic回归分析结果解读如下:

1. logistic回归分析也叫 logistic回归分析,是一种广义的线性回归分析模型,它通常用于数据挖掘、疾病诊断、经济预测等领域。

2.在 logistic回归分析中,探索因变量 Y与自变 a, b, c, d关系。众所周知, a和 b可能是相关的,在单变量分析中, a, b, c, d是有意义的。一、 b、 c、 d合并的多元模型显示, a、 c、 d具有统计学意义,但在分析了 logistic回归分析时,探讨因变量 Y与自变 a, b, c, d的关系。

3. logistic回归的因变量可分为二类或多种类,但二类比较常用,也比较容易解释。因此,实际上最常用的是二类 logistic回归。

扩充:实质,发生概率除以未发生的概率再取对数。这一不繁琐的转换改变了取值区间的矛盾和自变量之间的曲线关系。这是因为发生的概率与未发生的概率成了比值,这个比值是个缓冲,把取值范围扩大,再进行对数变换,整个因变量发生变化。不仅如此,这样的转换往往使因变量与自变量之间呈现线性关系,这是从大量的实践中总结出来的。因此, Logistic回归从根本上解决了为什么不存在连续变量的问题。此外, Logistic被广泛应用的原因是很多现实问题都与其模型相符。一个事件是否与其它数值型自变量相关联。

举报/反馈
© 版权声明
THE END
喜欢就支持以下吧
点赞0 分享
评论 抢沙发

请登录后发表评论