逻辑回归和Logit模型有什么区别？

Question

3

我知道这两个模型有不同的方程式，但是我不确定为什么人们会使用逻辑斯谛回归模型而不是logit模型，反之亦然? 主要原因是什么呢？如果我的响应变量是一个决策变量(是或否)，那么哪个模型更适合这里呢？为什么?

- Tashaho

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- vestland · Accepted Answer

如果您查看stats.idre.ucla.edu，您会发现它与以下内容相同：

逻辑回归（Logistic Regression），也称为logit模型，用于建模二元结果变量。在logit模型中，结果的对数几率被建模为预测变量的线性组合。

进一步来说，通常使用逻辑模型来预测二元事件发生或不发生的概率。是的，如果您的响应变量是决策变量（是/否），则可以使用逻辑回归方法。最常见的情况是将“是/否”重新编码为“1或0”。

您在此没有提及任何特定的工具，但如果您使用R，可以使用glm()轻松设置逻辑模型：

model <- glm(outcome~X1+x2)

在此，outcome是您的决策变量，X1和X2是您的预测变量。