和 二值 Logistic 回归的方法表 拟合二元 Logistic 模型

解释

验证显示的编码方案，以确保执行预期分析。解释类别变量的系数，如下所示：

• 对于 (0, 1) 编码架构，每个系数表示每个水平和参考水平之间的差异。参考水平的系数为 0。
• 对于 (−1, 0, +1) 编码架构，每个系数表示水平平均值和基线之间的差异。

解释

使用标准化方法表可验证是否按预期执行了分析。根据您选择的方法，您可能必须更改系数解释，如下所示：

将要编码的低水平和高水平指定为 -1 和 +1

此方法可以使变量处于中间位置并使变量尺度化。每个系数都表示预测变量在编码尺度上每变化 1 个单位时变换的响应变量的均值的预期变化。例如，该系数表示预测变量从 0 变为 +1 时变换的响应变量的均值的变化。

减去均值，然后除以标准差

此方法可以使变量处于中间位置并使变量尺度化。每个系数都表示预测变量每变化 1 个单位的标准差时变换的响应变量的均值的预期变化。

减去均值

此方法可以使变量处于中间位置。每个系数都表示预测变量每变化 1 个单位时变换的响应变量的均值的预期变化。

除以标准差

此方法可以使变量尺度化。每个系数都表示预测变量每变化 1 个单位的标准差时变换的响应变量的均值的预期变化。

减去指定值，然后除以另一个值

此方法是否可以使变量处于中间位置或使变量尺度化取决于您指定的值。每个系数都表示预测变量除以一个数后变换的响应变量的均值的预期变化。例如，如果您除以 4，则该系数表示原始测量尺度增加 4。

系数的确切解释还取决于分析的其他方面（如链接函数）。

解释

使用链接函数查找以最佳方式与数据拟合的模型。使用拟合优度统计量和不同的链接函数比较各种拟合。使用某些链接函数可能是出于历史原因或因为其在规律方面有特殊意义。

Logit 链接函数的一个优势就是它可以提供模型中的每个预测变量的优势比的估计值。

解释

使用响应信息检查分析中的数据量。通常情况下，每个水平出现多次的随机样本越大，提供的有关总体的推断越精确。

还可以使用响应信息确定哪个事件是参考事件。系数和优势比等统计量的解释取决于哪个事件是参考事件。