请选择 进入手机版 | 继续访问电脑版
楼主: tccheyi
61412 42

[问答] 请问logit模型和logistic模型是不是一样的? [推广有奖]

  • 0关注
  • 1粉丝

硕士生

5%

还不是VIP/贵宾

-

威望
0
论坛币
30072 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
632 点
帖子
62
精华
0
在线时间
122 小时
注册时间
2005-5-31
最后登录
2023-2-11

tccheyi 发表于 2005-9-20 16:10:00 |显示全部楼层 |坛友微信交流群

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

问个菜鸟问题?

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:Logistic模型 logistic logit模型 ogistic logisti 模型 logit logistic

回帖推荐

manker 发表于12楼  查看完整内容

logit=logistic probability unit(前三个和后两个字母组合)

yqm_first 发表于5楼  查看完整内容

在王济川和郭志刚的《logistic回归模型-方法与应用》(高等教育出版社)一书中,作者写道:一些文献中区别logistic模型和logit模型是看所用的自变量是否为连续变量,一些研究人员将以分类自变量构成的模型称为logit模型,而将既有分类自变量,又有连续自变量的模型称为logistic模型,但是一般情况下它们指的是三÷同一种模型。(见p10)

sillyfeng 发表于3楼  查看完整内容

Stata 里面logit估计参数,logistic估计odds,模型是一样的

bakoll 发表于41楼  查看完整内容

(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。regres ...

本帖被以下文库推荐

Truth
yqm_first 发表于 2005-9-20 16:23:00 |显示全部楼层 |坛友微信交流群

有区别吗,不是一样的吗

使用道具

sillyfeng 发表于 2005-9-20 17:08:00 |显示全部楼层 |坛友微信交流群

Stata 里面logit估计参数,logistic估计odds,模型是一样的

已有 1 人评分论坛币 收起 理由
bakoll + 10 热心帮助其他会员

总评分: 论坛币 + 10   查看全部评分

使用道具

summersyar 发表于 2005-9-27 20:19:00 |显示全部楼层 |坛友微信交流群
是一样的

使用道具

yqm_first 发表于 2005-9-27 22:38:00 |显示全部楼层 |坛友微信交流群

在王济川和郭志刚的《logistic回归模型-方法与应用》(高等教育出版社)一书中,作者写道:一些文献中区别logistic模型和logit模型是看所用的自变量是否为连续变量,一些研究人员将以分类自变量构成的模型称为logit模型,而将既有分类自变量,又有连续自变量的模型称为logistic模型,但是一般情况下它们指的是三÷同一种模型。(见p10)

已有 1 人评分经验 收起 理由
mzl79 + 100 热心帮助其他会员

总评分: 经验 + 100   查看全部评分

使用道具

hkswen 发表于 2005-9-28 00:02:00 |显示全部楼层 |坛友微信交流群
当然不一样,logit是一种模型方法,后者更多的是指一种函数分布形式,前者建模时利用了后者的分布特点

使用道具

hanszhu 发表于 2005-9-28 07:39:00 |显示全部楼层 |坛友微信交流群

[求助]Logistic回归模型——方法与应用

内容提要

  本书专题介绍了在分析二分类因变量时最常使用的统计分析模型之一--logistic回归模型。本书深入浅出,理论联系实际,通过例题分析,并结合计算机统计软件的应用,详细介绍、阐述了该模型及其应用。同时,还介绍了如何将logistic回归模型扩展到次序logistic回归模型和多项式logit模型,以分析序次变量和多分类名义变量为因变量的数据。本书提供用SAS和SPSS进行具体例题分析的计算机程序及相关数据,并对这两种软件的模型估计结果进行详细的解释和对比分析。本书的读者对象为社会科学各专业的教师及研究生,以及社会科学专业研究人员。

序言

  在现有的统计教科书中,一般都有logistic回归模型的内容。然而,在这些教科书中,logistic回归往往不是作为中心内容,缺乏关于这种方法的详尽讨论。有关专著在国外很少,国内尚无。国外的一些专著中对于logistic回归模型的实际应用,特别是结合统计软件运行模型并对模型结果进行解释方面较为欠缺。本书的主要目的是提供对于logistic回归模型的深入专题介绍,专注于这一方法本身的讨论,以及模型结果的详细阐译。作者尽量以深入浅出的手法,旁证博引,理论联系实际,大量运用例题并结合计算机统计软件的使用,介绍和讨论该模型的原理及其运用。   本书将采用国际上广泛使用的统计软件SAS(Statistics Analysis System)和SPSS(Statistics Package for Social Sciences)来分析书中的例题。本书将提供用这两种软件进行具体例题分析的计算机程序,并对于这两种软件的模型估计结果进行详细的解释和对比分析。

目录

第1章 二分类因变量与logistic回归模型 1.1 引言 1.2 线性概率模型 (linear probability model,LPM) 1.3 Logistic回归模型 第2章 Logistic回归模型估计 2.1 最大似然估计(maximum likelihood estimation, MLE) 2.2 Logistic回归模型估计的假设条件 2.3 最大似然估计的性质 2.4 模型估计的样本规模 2.5 拟合logistic回归的示范模型 2.6 用分组数据做logistic回归分析 第3章 Logistic回归模型评价 3.1 拟合优度(goodness-of-fit) 3.2 Logistic回归模型的预测准确性 3.3 模型卡方统计(model chi-square statistic) 第4章 Logistic回归系数解释 4.1 发生比和发生比率(odds and odds ratio) 4.2 以发生比率来解释logistic回归系数 4.3 就概率来解释自变量的作用 4.4 预测概率 4.5 标准化系数 4.6 偏相关 (partial correlation) 第5章 Logistic回归系数的统计推断 5.1 Logistic回归系数的显著性检验 5.2 Logistic回归参数的置信区间 第6章 建立模型 6.1 选择变量 6.2 非线性与非加性(nonlinearity and nonadditivity) 第7章 Logistic回归诊断 7.1 过离散 (overdispersion) 7.2 空单元 (zero cell count) 7.3 完全分离 (complete separation) 7.4 多重共线性 (multicollinearity) 7.5 特异值和特殊影响案例 (outliers and influential observations) 第8章 Logistic回归的替代模型及扩展 8.1 Probit模型 8.2 Logistic回归扩展于多分类反应变量 参考文献索引

[此贴子已经被作者于2005-9-28 7:40:41编辑过]

使用道具

yooyooh 发表于 2005-9-28 08:32:00 |显示全部楼层 |坛友微信交流群
楼上的书哪里有卖啊?

使用道具

yqm_first 发表于 2005-9-28 09:18:00 |显示全部楼层 |坛友微信交流群

这本书比较难找的,我在杭州,是通过江郎书店定购的,就在前几天,所以我觉得出版社还有书,你可以到当地的书店请它们帮你定购,或者直接联系高等教育出版社定购,他们应该还有的

使用道具

asdwx 发表于 2005-9-29 15:22:00 |显示全部楼层 |坛友微信交流群

logit model

個體模式Ben-Akiva & Lerman (1985)假設其總效用 可以區分成系統項 與殘差項 兩類其表示的方法如下所示:

總效用:

:系統項,表示可以衡量的部分

:殘差項,表示不可以衡量的部分

若假設 殘差項為滿足(1)獨立分配分配(2)相同的分配(3)甘被分配其中其區域參數(Location Parameter 與等級參數(Scale Parameter ,則可以推導出多元羅吉特模式,其函數如下所示:

:學生個體 選擇運具 之機率

:學生個體 選擇 運具之效用

詳細內容可參考

Ben-Akiva, M. and Lerman, S.R. (1985), Discrete Choice Analysis, The MIT Press, Cambridge, Massachusetts, pp. 51, 103-113, and 285-322.

祝好運

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-29 23:08