logistic regresson模型

 

Logistic regression回归 ( 也叫做 [logisti 模型 ] 或者 [logit 模型 ]),  被用于通过拟合一个 logistic curve 预测一个事件发生的概率

其为用于解决binomial regression( 二元回归 ,  也就是最后的函数值为 2 元 ) 的广义线性模型 (generalized linear model).  就像别的形式的回归分析一样 ,  它利用许多的预测变量 (predictor variables),  这些变量可以是数值或者分类的 .  例如 ....

 

l  logistic function:

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

 

The variable z represents the exposure to some set of risk factors, while f(z) represents the probability of a particular outcome, given that set of risk factors. The variable z is a measure of the total contribution of all the risk factors used in the model and is known as the  logit .

f(z), ; z表示总的 risk factors.

 

 

 

Figure 1. The logistic function, with  z  on the horizontal axis and  f(z)  on the vertical axis.

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(regression coefficients), intercept 是当所有的 risk factors 为 0 的时候的值 .  正向回归因子 (a positive regression)risk factor 增加输出的概率 ;  而负向回归系数 (a negative regression) 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 risk factors(age,sex, etc.).