logistic回归时，Odds Ratio 和 边际效应 应该用哪个？

回归系数表示的是发生和不发生比值的变化，取对数后就是发生的对数和不发生的对数差值，如果这个差值是1（举个例子），多分类形式下你说是2与1的差值还是5与4的差值呢？不好解释嘛。把系数还原成指数形式，直接就可以解释成某个分类发生的概率了，这就是边际效应

在进行logistic回归时，因变量为ln(p/1-p)，是odds的对数，为对数几率，是半弹性函数，表示x增加一个单位导致事件发生的概率变化的百分比。若对参数取自然指数，参数为exp(β_x)，表示x增加一个单位使得新事件是原事件几率变化的倍数。当β_x比较小的时候，根据泰勒展开式 β_x = exp(β_x)-1，当x为虚拟变量时，则应使用exp(β_x)。
一般将exp(β_x)称为几率比（odds ratio）。
参考陈强老师的书籍以及网友们的分析。
(correct me if i am wrong)

修正一下，是logisic回归，抱歉，写错了。

请问你这个问题解决了吗？如果自变量为01哑变量，怎么解释的？还有如何计算边际效应啊？计算出的边际效应该如何解释？一般logistics得到的不都是OR或者系数吗？

H.zh 发表于 2017-8-3 21:28
我觉得还是有差别的，odds ratio指的是几率比，假如odds ratio为0.12，意味着解释变量增加一单位引起被解释 ...

您好，我与您遇到了相同的问题，logit模型计算marginal effect之后，系数变得不显著了，请问您现在知道是什么原因了吗？或者通过什么方法可以解决吗？
提前感谢您了！

另外，借楼问一下，请问自变量为连续性变量的情况下，求出的Odds ratio很大，系数为35左右，请问这样如何解释呢？

H.zh 发表于 2017-8-3 21:28
我觉得还是有差别的，odds ratio指的是几率比，假如odds ratio为0.12，意味着解释变量增加一单位引起被解释 ...

假如odds ratio为0.12，因变量为1的几率应该是减少的，因为此时应该是原来的几率乘以0.12，自然是减少了。因为odds ratio没有负数，所以你这样的说法下，那所有自变量应该都是正向影响了。

H.zh 发表于 2017-8-3 21:28
我觉得还是有差别的，odds ratio指的是几率比，假如odds ratio为0.12，意味着解释变量增加一单位引起被解释 ...

假如odds ratio为0.12，因变量为1的几率应该是减少的，因为此时应该是原来的几率乘以0.12，自然是减少了。因为odds ratio没有负数，所以你这样的说法下，那所有自变量应该都是正向影响了。

xxx123568 发表于 2019-4-17 23:00
假如odds ratio为0.12，因变量为1的几率应该是减少的，因为此时应该是原来的几率乘以0.12，自然是减少了。 ...

赞同，or应该与1比较

楼主还在吗 我用的logit处理数据，结果我发现coefficient和marginal effect一模一样 不知道怎么回事