Logit 链接函数的一个优势就是它可以提供模型中的每个预测变量的优势比的估计值。优势比越大,预测变量相对于参考水平影响二元响应的几率越大。优势比 1 说明预测变量和响应之间不存在相关性。
输出示例 |

|
连续预测变量的优势比
优势比 95% 置信区间
收入 1.0138 (0.9758, 1.0533)
类别预测变量的优势比
水平 A 水平 B 优势比 95% 置信区间
儿童
是 否 4.1902 (0.7820, 22.4537)
收看广告
是 否 2.8128 (0.9171, 8.6271)
|
解释 |

|
对于谷类食品数据,使用了 logit 链接,因此优势比可以解释为:
· 收看过广告的成年人购买 Cocoa Crunch 的几率是没看过广告的成年人的 2.813 倍(假设其他变量为公共值)。请注意,“收看广告”的参考水平是否。
· 有子女的成年人购买 Cocoa Crunch 的机会是没有子女的成年人的 4.190 倍(假设其他变量为公共值)。请注意,“孩子”的参考水平是否。
· 家庭收入比另一个研究对象高 1000 美元(一个单位)的成年人购买 Cocoa Crunch 的几率是另一个研究对象的 1.014 倍。(假设其他变量为公共值)。但是,相对较大的 p 值表明此相关性不显著。您可能会剔除此预测变量并重新拟合模型。
华为内部资料 学习培训(汇总) |
|
比亚迪,特斯拉,博世,丰田,大众等资料 |
可靠性工程, 测试方法及标准 |
8D报告案例、质量成本 |
六西格玛、DFSS, 数据分析 |
APQP, PPAP, FMEA, MSA, SPC |
ISO9001, ISO14001, ISO45001等体系认证 |
总去赌场为什么会输惨?数据分析告诉你 |