Logit回归是社会科学常用的方法，尤其适合类别变量。与线性回归不同，Logit回归解释时需关注OR值，即发生比，而非直接的系数变化。例如，东部地区学生参加补习的概率是西部地区的1.491倍。Logit回归在论文中可以汇报系数或OR值，或者两者结合，具体取决于作者偏好。汇报OR值能更直观地显示影响程度，如恶劣天气使飞机延误概率提升75.86%或1.76倍。
什么是Logit回归？
Logit回归(又称逻辑回归、罗杰斯蒂回归、Logistic回归)无疑是社会科学，尤其是社会学研究中使用最广的方法，没有之一。这也是因为社会科学中变量的类型所决定的。因变量的类型决定着回归模型的使用，对于社会科学中常用的类别变量对应的就是Logit回归。
Logit回归又不同于一般线性回归，一般线性回归的回归系数以及R方等较容易解释，但是Logit回归的数学原理中涉及到了对数转换等，所以解释起来与一般线性回归有着较多的不同之处。
Logit回归系数有哪些不同一般线性回归的解释相对较容易，即x没变化多少个单位，y的变化。但是，由于Logit回归进行了Logit转换，所以就不能像线性回归一样解释，因为因变量已经变成ln(p/1-p)，我们不能再说x变化多少个单位ln(p/1-p)变化多少，这样没有实际的意义。而logit回归的本质是针对因变量为分类变量，即相较于另一种情况，某一情况的发生概率。所以针对logit回归的这一特性，我们需要汇报OR值(odds ratio)，也称发生比。
可能这样理解起来较为抽象，我们来看一个例子：
上表来源：薛海平. 2015. 从学校教育到影子教育:教育竞争与社会再生产[J]. 北京大学教育评论(03): 47-69+188-189.</
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
