如何从逻辑回归中解释系数？

18

我有以下概率函数：

概率 = \frac{1个}{1个 + Ë^{- ž}}

$\text{Prob} = \frac{1}{1 + e^{-z}}$

哪里

ž = 乙_{0} + 乙_{1个} X_{1个} + \dots + 乙_{ñ} X_{ñ} 。

$z = B_0 + B_1X_1 + \dots + B_nX_n.$

我的模特看起来像

镨 （ ÿ = 1个 ） = \frac{1个}{1个 + 经验值 （ - [- 3.92 + 0.014 \times （ 性别 ）] ）}

$\Pr(Y=1) = \frac{1}{1 + \exp\left(-[-3.92 + 0.014\times(\text{gender})]\right)}$

我知道拦截（3.92）的含义，但是现在我知道如何解释0.014。这些还是对数赔率，赔率比率，还是我现在可以断言，每增加一次赔率变化都是性别，女性获胜的可能性比男性高0.014。基本上，我该如何解释0.014？

基本上，我想采用概率函数并针对要编写的特定程序在Java中实际实现，但是我不确定我是否正确理解了在Java中实现该函数的功能。

Java代码示例：

double p = 1d / (1d + Math.pow(2.718d, -1d * (-3.92d + 0.014d * bid)));

probability logistic logit

— 自动柜员机
source

2

这可能会有所帮助：en.wikipedia.org/wiki/Odds_ratio#Role_in_logistic_regression

— Fred Foo

2

这是一个相关的问题。也有其他几种，例如，这一种。

— 主教

17

如果您要用logit链接拟合二项式GLM（即逻辑回归模型），则您的回归方程式是响应值是“ 1”（或“成功”）的对数赔率，取决于预测值。

对数几率取幂可为您提供变量每增加一单位的几率。因此，例如，对于“性别”，如果“女性” = 0，“男性” = 1，逻辑回归系数为0.014，那么您可以断言，男性结果的几率是exp（0.014）= 1.01倍。你在女人身上的结果。

— 方铁
source

4

难道不是因为女性为0，男性为1，那么“男人的结果几率是男性的exp（0.014）= 1.01倍”？

— Bustic01

4

女人的几率应该是 1 / exp(0.014)

说明：

由于男性的事件是“ 1”，女性的事件是“ 0”，这意味着参考水平是女性。

等式 ln(s) = B0 + B1*(gender)

odds(female) = exp(B0)
odds(male)   = exp(B0 + B1 * 1)

odds ratio(male) = odds(male) / odds(female) = exp(0.014) = 1.01

因此， odds ratio(female) = 1 / 1.01 = 0.99

— 星火
source