Logisticregression回归 ( 也叫做 [logisti 模型 ] 或者 [logit 模型 ]), 被用于通过拟合一个 logisticcurve 预测一个事件发生的概率
其为用于解决binomialregression( 二元回归 , 也就是最后的函数值为 2 元 ) 的广义线性模型 (generalizedlinearmodel). 就像别的形式的回归分析一样 , 它利用许多的预测变量 (predictorvariables), 这些变量可以是数值或者分类的 . 例如 ....
l logisticfunction:
其中z 的范围是整个实数范围 . 而输出的结果则是在 (0,1) 之间 .
其表示的图形如下:
的
Thevariablezrepresentstheexposuretosomesetofriskfactors,whilef(z)representstheprobabilityofaparticularoutcome,giventhatsetofriskfactors.Thevariablezisameasureofthetotalcontributionofalltheriskfactorsusedinthemodelandisknownasthe logit .
f(z),;z表示总的 riskfactors.
Figure1.Thelogisticfunction,with z onthehorizontalaxisand f(z) ontheverticalaxis.
的
的
其中的变量z 一般用如下表示
其中的 β 0 表示截距(intercept)
β 1 ,β 2 ,β 3 分别表示 x 1 , x 2 , x 3 的回归系数(regressioncoefficients),intercept 是当所有的 riskfactors 为 0 的时候的值 . 正向回归因子 (apositiveregression)riskfactor 增加输出的概率 ; 而负向回归系数 (anegativeregression) 则是减少 . 大的回归系数意味着对于输出结果的影响大 ; 而接近 0 的回归系数意味着对于输出的结果影响较小 .
LR是一种比较有用的描述一个或者多个 riskfactors(age,sex,etc.).