logistic模型 logistic模型怎么建立

什么是“logit模型”？

如果要弄清楚原理，可以看格林或平狄克的计量经济学，上面有比较详细的讲解。另外，向你一本不错的书：王济川、郭志刚，Logistic回归模型——方法与应用，：高等教育出版社，2001。浏览一下这三本书的相关内容，你基本上可以弄清楚概率估计模型，至于网上有没有电子版的书我就不太清楚了。这里，我可以先简单的回答你这个问题。

logistic模型 logistic模型怎么建立

logistic模型 logistic模型怎么建立

logistic模型 logistic模型怎么建立

logistic模型 logistic模型怎么建立

logistic模型 logistic模型怎么建立

首先，通常人们将“Logistic回归”、“Logistic模型”、“Logistic回归模型”及“Logit模型”的称谓相互通用，来指同一个模型，的区别是形式有所不同：logistic回归是直接估计概率，而logit模型对概率做了Logit转换。不过，SPSS软件好像将以分类自变量构成的模型称为Logit模型，而将既有分类自变量又有连续自变量的模型称为Logistic回归模型。至于是二元还是多元，关键是看因变量类别的多少，多元是二元的扩展。

其次，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。其实，这两种分布函数的公式很相似，函数值相也并不大，的区别在于逻辑概率分布函数的尾巴比正态分布粗一些。但是，如果因变量是序次变量，回归时只能用有序Probit模型。有序Probit可以看作是Probit的扩展

关于logit和logistic模型的区别

（1）二者根本区别于广义化线性模型联系函数形式logit采用数形式log(a)logistic形式log(a/1-a)

（2）应用普通logistic响应变量二元元logistic变量元logit响应变量元

（3）统计软件spss：logit属于数线性模型析结主要变量自变量间关系细化各类变量与类自变量间；logistic属于归析析结估计自变量参数regressionBinary logistic regression Multinomial logistic regression 变量取01用Binary logistic regression Multinomial logistic regression 类序变量类序变量logistic归即变量于两

（4）变量类采用logistic用logit计算结并少别

建立logistic回归模型步骤

① 对每一个变量进行量化，并进行单因素分析;

② 数据的离散化，对于连续性变量在分析过程中常常需要进行离散变成等级资料。可采用的方法有依据经验进行离散，或是按照四分、五分位数法来确定等级，也可采用聚类方法将计量资料聚为二类或多类，变为离散变量。 扩展资料 ③ 对性质相近的一些自变量进行部分多因素分析，并探讨各自变量(等级变量，数值变量)纳入模型时的适宜尺度，及对自变量进行必要的变量变换;

④ 在单变量分析和相关自变量分析的.基础上，对 P ≤α(常取 0.2，0.15 或 0.3)的变量，以及专业上认为重要的变量进行多因素的逐步筛选;模型程序每拟合一个模型将给出多个指标值，供用户判断模型优劣和筛选变量。可以采用双向 筛选技术：a 进入变量的筛选用 score 统计量或 G 统计量或 LRS(似然比统计量)，用户确定 P 值临界值如：0.05、0.1 或 0.2，选择统计量显著且的变量进入模型;b 剔除变量的选择用 Z 统计量 (Wald 统计量)，用户确定其 P 值显著性水平，当变量不显者，从模型中予以剔除。这样，选入和剔除反复循环，直至无变量选入，也无变量删除为止，选入或剔除的显著界值的确定要依具体的问 题和变量的多寡而定，一般地，当纳入模型的变量偏多，可提高选入界值或降低剔除标准，反之，则降低选入界值、提高删除标准。但筛选标准的不同会影响分析结 果，这在与他人结果比较时应当注意。

⑤ 在多因素筛选模型的基础上，考虑有无必要纳入变量的交互作用项;两变量间的交互作用为一级交互作用，可推广到二级或多级交互作用，但在实际应用中，各变量相互 (也是模型本身的要求)，不必研究交互作用，多是研究少量的一级交互作用。

关于logit和logistic模型的区别

一、意思不同

logistic回归是概率模型，非线性表达式，其线性表达式即logit回归。logistic回归计算的是P，而logit回归计算的是logit(p)。logistic属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果与一些影响因素之间关系的一种多变量分析方法。

二、参照不同

Logit是把其中的一种选择作为另一种选择的参照，而Logistic是把一件事不发生作为这件事发生的参照。模型上完全一致。只不过由于Logit选取了一种选择项作为参照，因此在模型中的一个参数对应两个变量，分别对应两种选择项。而Logistic由于参照对象是的不发生，即自身，因此一个参数只对应一个变量。但是本质完全一样。

三、模式不同

Logit模型的左侧是Odds的对数，而Logistic模型的左侧是概率。

Logit模型的右侧是一个线性结构，而Logistic模型的右侧是非线性的。

（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression 。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少别。

（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression 。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少别。