logistic模型（logit和logistic模型的区别？）

轻评 2020-06-20

展开全文

logit和logistic模型的区别？

关于logit和logistic模型的区别貌似是个老生常谈的问题，学习之后稍微整理一下：（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，计算结果并无多少差别。看到前面几个有关Logit回归的问题，给大家做点贡献吧。 1，对于（0，1）的情况，SAS里面默认0在先。要么你编码的时候讲事件编为0，要么在回归的时候加上Descending的选项。 2，结果一般用两张表。第一张就像一般的OLS回归，汇报系数的大小和符号（是的，Logit系数大小没有意义，符号表示影响的方向），系数是否为0的统计值，样本量（这个很重要，我看所有的文章里都有），最后就是模型的Fit。 3，系数是否为零的检验，可以直接汇报SAS结果里面的P值，也可以根据开方值计算通常用的T值，你知道，开方的平方根就是近似的T值。注意，不要汇报开方，看起来很傻的。 4，拟合度方面，现在流行报告一个PseudoR2（有人叫假R2）。比较流行的就是McFadden1974的方法。很简单，用Log－Likelihood（SAS结果的－2 Log L）的Intercept Only除于InterceptAndCovariates再减去1就是假R2了。第一章表就结束了。因为Logit不是线性模型，系数大小没有意义，要解释每个变量到底在多大程度上影响自变量，就有了第二张表，就是要汇报概率相对于解释变量变化的变化，也就是DependentVar的Derivative，下次再说。

logit和logistic模型的区别？

区别如下；

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由于参照对象是事件的不发生，即事件自身，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。

logistic模型，logit还有probit这些都是什么关系啊？

logit模型也叫Logistic模型，服从Logistic分布。probit模型服从正态分布。两个模型都是离散选择模型的常用模型。但logit模型简单直接，应用更广。离散选择模型的软件很多，有limdep，elm、nlogit等。spss18.0中能做2元和多元logit模型。stata，sas，guass都能做logit模型。入门级的软件是spss和elm，后者可以做多元logit和分层logit。但是elm必须购买注册号才能使用。