导语
Logit模型是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression——“逻辑回归”.
搞清什么是Logit，需要先来回顾一下高中学习的概率例子——掷骰子。
我们连想都不用想就可以立刻说出，一次掷骰子事件中出现“六点”的概率=1/6，那么，这个1/6是怎么来的？
按高中知识理解：概率（Probability）描述的是某事件A出现的次数与所有结果出现的次数之比，
公式为：
P（A）=（Number of Events A）/（Total Number of Events）
概率P是一个0-1之间的实数，当P=0表示一定不会发生；P=1表示一定会发生。上面例子中“在一次掷骰子事件中出现六点”的概率P=1/6。很明显，概率P描述的是事件发生的概率。
那么，Odds是指事件发生的概率与不发生的概率之比。
公式为:
Odds=（Probability of event）/（Probability of no event）=P/(1-P)。
继续上面的掷骰子例子：
掷出6点的概率P=1/6，那么，掷出非6点的概率是1-P=5/6，我们再来求一下Odds=P/（1-P）=（1/6）÷（5/6）=1/5=1:5，那么这个1:5它其实表示的是掷出6点成功的概率与失败的概率之比。这就是Odds的意思。根据昨天的“直肠癌术后患者对手术决策的满意度”的例子，昨天求的Odds其实就是直肠癌术后患者对手术决策满意与不满意的概率之比。
那么，Logit究竟是个啥？Logit是Odds的对数值。所以，Logit可以理解成Log-it，这里的it指的就是Odds。因此，有以下的关系存在：
