【Python】逻辑回归变量的显著性分析

模型结果的解释

• coef：回归系数（Regression coefficient），即模型参数 β0、β1、…的估计值。
• std err ：标准差（ Standard deviation），也称标准偏差，是方差的算术平方根，反映样本数据值与回归模型估计值之间的平均差异程度 。标准差越大，回归系数越不可靠。
• t：t 统计量（t-Statistic），等于回归系数除以标准差，用于对每个回归系数分别进行检验，检验每个自变量对因变量的影响是否显著。如果某个自变量 xi的影响不显著，意味着可以从模型中剔除这个自变量。
• P>|t|：t检验的 P值（Prob(t-Statistic)），反映每个自变量 xi 与因变量 y 的相关性假设的显著性。如果 p<0.05，可以理解为在0.05的显著性水平下变量xi与y存在回归关系，具有显著性。
• [0.025,0.975]：回归系数的置信区间（Confidence interval）的下限、上限，某个回归系数的置信区间以 95%的置信度包含该回归系数 。注意并不是指样本数据落在这一区间的概率为 95%。
  此外，还有一些重要的指标需要关注：
• R-squared：R方判定系数（Coefficient of determination），表示所有自变量对因变量的联合的影响程度，用于度量回归方程拟合度的好坏，越接近于 1说明拟合程度越好。
• F-statistic：F 统计量（F-Statistic），用于对整体回归方程进行显著性检验，检验所有自变量在整体上对因变量的影响是否显著。

回归系数正负的解读

如何解释逻辑回归（Logistic regression）系数的含义？

参考文献

[1]使用statsmodels做logistic回归
[2]使用Logistic回归进行统计分析和Python Statsmodels中的预测
[3]statsmodels中的summary解读（使用OLS）
[4]python statsmodel 回归结果提取（回归系数、t值、pvalue、R方、、、、）
[5]python statsmodel 回归结果提取（R方 T值 P-value)
[6]详解用 statsmodels 进行回归分析
[7]logistic回归因变量的类型_回归分析深入探讨
[8]Python数模笔记-StatsModels 统计回归（2）线性回归