條件logit模型和多項式logit模型有什麼區別

2021-09-09 09:18:17 字數 4713 閱讀 2940

1樓:

(1)二者的根本區別在於廣義化線性模型中的聯絡函式的形式。logit採用對數形式log(a),logistic形式為log(a/1-a)。

(2)應用上,普通logistic的響應變數是二元的,多元logistic的因變數可為多元。logit的響應變數可以是多元的。

(3)統計軟體spss中:logit屬於對數線性模型,分析結果主要為因變數和自變數之間的關係,可以細化到各分類因變數與分類自變數之間;logistic屬於迴歸分析,分析結果為估計出自變數引數。regression下有binary logistic regression和 multinomial logistic regression 。

因變數只取0和1時用的就是binary logistic regression 。而multinomial logistic regression 分為多分類無序因變數和多分類有序因變數的logistic迴歸。即因變數多於兩個的。

(4)當因變數是多類的,可以採用logistic,也可以用logit,計算結果並無多少差別。

2樓:匿名使用者

multinational???

ormultinomial吧。。。

關於logit和logistic模型的區別

3樓:匿名使用者

一、主體不同

1、logit模型:是離散選擇法模型之一,logit模型是最早的離散選擇模型,也是目前應用最廣的模型。

2、logistic模型:又稱logistic迴歸分析,logistic迴歸的因變數可以是二分非線性差分方程類的,也可以是多分類的。

二、特點不同

1、logit模型:因變數不是常規的連續變數,而是對數發生比率,儘管每個自變數的估計係數含義與一般線性迴歸一樣,數的經濟學含義,較方便的做法是將logit進行轉換後再進行解釋,而不是直接解釋係數本身,即將回歸模型等式兩側取自然指數。

2、logistic模型:如果已經建立了logistic迴歸模型,則可以根據模型,**在不同的自變數情況下,發生某病或某種情況的概率有多大。

三、優勢不同

1、logit模型:模型考察了對兩種貨幣危機定義情況下發生貨幣危機的可能性,即利率調整引起的匯率大幅度貶值和貨幣的貶值幅度超過了以往的水平的情形,而以往的模型只考慮一種情況。

2、logistic模型:在流行病學中應用較多,比較常用的情形是探索某疾病的危險因素,根據危險因素**某疾病發生的概率等。

4樓:大野瘦子

一、意思不同

logistic迴歸是概率模型,非線性表示式,其線性表示式即logit迴歸。logistic迴歸計算的是p,而logit迴歸計算的是logit(p)。logistic屬於概率型非線性迴歸,是研究二分類(可擴充套件到多分類)觀察結果與一些影響因素之間關係的一種多變數分析方法。

二、參照不同

logit是把其中的一種選擇作為另一種選擇的參照,而logistic是把一件事不發生作為這件事發生的參照。模型上完全一致。只不過由於logit選取了一種選擇項作為參照,因此在模型中的一個引數對應兩個變數,分別對應兩種選擇項。

而logistic由於參照物件是事件的不發生,即事件自身,因此一個引數只對應一個變數。但是本質完全一樣。

三、模式不同

logit模型的左側是odds的對數,而logistic模型的左側是概率。

logit模型的右側是一個線性結構,而logistic模型的右側是非線性的。

5樓:雪v歌

(1)二者的根本區別在於廣義化線性模型中的聯絡函式的形式。logit採用對數形式log(a),logistic形式為log(a/1-a)。

(2)應用上,普通logistic的響應變數是二元的,多元logistic的因變數可為多元。logit的響應變數可以是多元的。

(3)統計軟體spss中:logit屬於對數線性模型,分析結果主要為因變數和自變數之間的關係,可以細化到各分類因變數與分類自變數之間;logistic屬於迴歸分析,分析結果為估計出自變數引數。regression下有binary logistic regression和 multinomial logistic regression 。

因變數只取0和1時用的就是binary logistic regression 。而multinomial logistic regression 分為多分類無序因變數和多分類有序因變數的logistic迴歸。即因變數多於兩個的。

(4)當因變數是多類的,可以採用logistic,也可以用logit,計算結果並無多少差別。

probit迴歸與logistic迴歸有什麼區別

6樓:116貝貝愛

probit與logistic的區別為:意思不同、用法不同、側重點不同。

一、意思不同

1、probit:概率單位。

2、logistic:數理(符號)邏輯。

二、用法不同

1、probit:

probit模型服從正態分佈。兩個模型都是離散選擇模型的常用模型。但logit模型簡單直接,應用更廣。

而且,當因變數是名義變數時,logit和probit沒有本質的區別,一般情況下可以換用。區別在於採用的分佈函式不同,前者假設隨機變數服從邏輯概率分佈,而後者假設隨機變數服從正態分佈。

2、logistic:logit模型是最早的離散選擇模型,也是目前應用最廣的模型。logit模型是luce(1959)根據iia特性首次匯出的;marschark(1960)證明了logit模型與最大效用理論的一致性;marley(1965)研究了模型的形式和效用非確定項的分佈之間的關係。

三、側重點不同

1、probit:根據常態頻率分配平均數的偏差計算統計單位。

2、logistic:離散選擇法模型之一,logit模型是最早的離散選擇模型。

7樓:因為不懂才註冊

probit迴歸和logistic迴歸幾乎可以用於相同的資料,對於二分類因變數,這兩種方法的結果十分類似。那他們到底有什麼區別呢?

如 果從分佈角度來講,logit函式和probit的函式幾乎重疊,但反映的含義不同,logit等於p/(1-p),這裡p是結局發生的概率,而 probit的函式是f-1(p),注意-1是上標。f是累積的標準正態分佈函式,所以f-1就是累積標準正態分佈函式的逆函式或反函式。

從 解釋的角度來講,logit更容易理解一些,因為p/(1-p)就是我們常說的odds,兩個odds相比就是odds ratio,也就是我們最常用的or值。所以當我們做出結果後,logistic迴歸所反應的實際意義就非常直觀。而相比之下,probit的含義表示自 變數對累積標準正態分佈函式的逆作用,這個就太讓人看不懂了。

當然,實際上我們也可以通過正態分佈值求出probit迴歸中的p,作為概率**,只是比 logistic迴歸要稍微麻煩一些。

但這兩個方法之間也是有關聯的,通常情況下,probit迴歸估計出的引數值乘以1.814,大致會等於logistic迴歸中的引數值。

實 際中具體選擇哪個方法呢?據筆者所查閱的文獻,尚未發現有理論依據,更多的仍是根據個人習慣。從文獻的應用情況來看,logistic迴歸的應用遠遠多於 probit迴歸,這主要是因為logistic迴歸的易解釋性,而不是logistic迴歸比probit迴歸更好或更適合資料。

但 probit迴歸並不是說就要被logistic迴歸替代了,從**的角度來看,probit迴歸還是有較強的使用價值的。其**概率效果與 logistic迴歸一樣的好。如果你確實想知道到底你的資料用哪一個方法好,也不是沒有辦法,你可以看一下你的殘差到底是符合logit函式呢還是符合 probit函式,當然,憑肉眼肯定是看不出來的,因為這兩個函式本來就很接近,你可以通過函式的假定,用擬合優度檢驗一下。

但通常,估計不會有人非要這 麼較真,因為沒有必要。如果你的因變數是二分類,你無論用哪種方法,都不能說錯。蘿蔔青菜,各有所愛而已。

8樓:匿名使用者

logistic迴歸比probit迴歸的應用廣泛,同一資料兩者的結果非常接近。

選擇使用哪種方法沒有統一的標準,主要看專業領域更常使用哪種方法。

9樓:匿名使用者

區別:如果從分佈角度來講,logit函式和probit的函式幾乎重疊,但反映的含義不同,logit等於p/(1-p),這裡p是結局發生的概率,而 probit的函式是f-1(p),注意-1是上標。f是累積的標準正態分佈函式,所以f-1就是累積標準正態分佈函式的逆函式或反函式。

從解釋的角度來講,logit更容易理解一些,因為p/(1-p)就是我們常說的odds,兩個odds相比就是odds ratio,也就是我們最常用的or值。所以當我們做出結果後,logistic迴歸所反應的實際意義就非常直觀。而相比之下,probit的含義表示自 變數對累積標準正態分佈函式的逆作用,這個就太讓人看不懂了。

當然,實際上我們也可以通過正態分佈值求出probit迴歸中的p,作為概率**,只是比 logistic迴歸要稍微麻煩一些。

關聯:這兩個方法之間是有關聯的,通常情況下,probit迴歸估計出的引數值乘以1.814,大致會等於logistic迴歸中的引數值。

probit迴歸模型:最簡單的probit模型就是指被解釋變數y是一個0,1變數,事件發生地概率是依賴於解釋變數,即p(y=1)=f(x),也就是說,y=1的概率是一個關於x的函式,其中f(.)服從標準正態分佈。

logistic迴歸模型:(logistic regression)屬於概率型非線性迴歸,它是研究二分類觀察結果與一些影響因素之間關係的一種多變數分析方法。在流行病學研究中,經常需要分析疾病與各危險因素之間的定量關係,為了正確說明這種關係,需要排除一些混雜因素的影響。

單項式的係數和次數,多項式的項和多項式的次數是什麼,舉幾個例

單項式bai 的次數 一個du單項式中,所有字母的指數的zhi和叫做這個dao單項式的次數。單項版式的係數 權單項式中的數字因數。如 2x 的係數是2,次數是3 5xy 的係數是 5 次數是2次。多項式 幾個單項式的和叫做多項式。多項式中,每個單項式叫做多項式的項,不含字母的項叫做常數項,這些單項式...

單項式和多項式的理解,單項式與多項式的概念

1 單項式的概念 代數式3a,mn,x2,abx,4x3它們都是用數字與字母的積,這樣的代數式叫做單項式,單獨的一個數或一個字母也是單項式.單項式中的數字因數叫做單項式的係數.一個單項式中,所有字母的指數的和叫做這個單項式的次數.例如 3a 是3與字母a的積,字母a的指數是1,所以單項式3a的係數是...

多項式次數和項數的區別

單項式中的數bai字因數,du叫做這個單項式的zhi係數.一個單項式中,所有字dao 母的指數內 的和叫做這個單項容式的次數.幾個單項式的和叫做多項式,在多項式中,每個單項式叫做多項式的項.其中不含字母的項,叫做常數項,特別注意項的符號,一個多項式含有幾項就叫幾項式.例如 4xyz 這是一個單項式,...