模型参数的解释

最新推荐文章于 2025-07-24 10:23:15 发布

weixin_34290096

最新推荐文章于 2025-07-24 10:23:15 发布

阅读量979

点赞数

CC 4.0 BY-SA版权

文章标签： python

原文链接：https://my.oschina.net/u/1785519/blog/1563546

2019独角兽企业重金招聘Python工程师标准>>>

之前Affairs例子的参数

> coef(fit.reduced) #获取拟合模型的系数包括截距项
  (Intercept)           age  yearsmarried religiousness        rating 
   1.93083017   -0.03527112    0.10062274   -0.32902386   -0.46136144

在Logistic回归，响应变量是 Y=1 对数优劣比(log)。回归系数的含义是 当其他预测变量不变时，一单位预测变量的变化可引起的响应变量对数优势比的变化

指数化

由于对数优势比解释性差，可以对结果进行 指数化

> exp(coef(fit.reduced)) #通过exp()将系数指数化
  (Intercept)           age  yearsmarried religiousness        rating 
    6.8952321     0.9653437     1.1058594     0.7196258     0.6304248

分析系数

婚龄(yearsmarried)：婚龄增加一年，婚外情的优势比将乘以1.106（保持年龄、宗教信仰、婚姻评定不变的情况下）

年龄(age)：年龄增加一岁，婚外情的优势比将乘以0.965，因此随着年龄的增加和年龄、宗教信仰英语婚姻评分的减低、婚外情优势比将上升

截距项：预测变量不能等于0，截距项在此处没有什么特定含义

对于二值型Logistic回归，某预测变量 n 单位的变化引起的较高值上优势比的变化为 exp(βj)^n，它可能更为重要，比如说保持其他的预测变量不变，婚龄增加一年，婚外情的优势比将乘以1.106，而如果婚龄增加10年，优势比将乘以1.106^10，即2.7

获取系数的置信区间

#可在优势比尺度上得到系数95%的置信区间
> exp(confint(fit.reduced))
Waiting for profiling to be done...
                  2.5 %     97.5 %
(Intercept)   2.1255764 23.3506030
age           0.9323342  0.9981470
yearsmarried  1.0448584  1.1718250
religiousness 0.6026782  0.8562807
rating        0.5286586  0.7493370

转载于:https://my.oschina.net/u/1785519/blog/1563546