求大神指点：对于相同数据，利用二项probit模型的优度比二项logit模型优度要好，可不可以说是因为数据相对服从正态分布导致的两种模型的优劣？

0
2016-02-15 添加评论
分享

没有找到相关结果

    已邀请:
    2

    SmartMining - 数据挖掘、商业智能、大数据从业者：相关产品设计、项目管理、咨询、培训 2016-03-10 回答

    　    logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。
     　　logistic回归的主要用途：一是寻找危险因素，如寻找某一疾病的危险因素等。二是预测，如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。三是判别，实际上跟预测有些类似，也是根据logistic模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病。
     　　这是logistic回归最常用的三个用途，实际中的logistic回归用途是极为广泛的，logistic回归几乎已经成了流行病学和医学中最常用的分析方法，因为它与多重线性回归相比有很多的优势，这些优势将在以后的文章中一一介绍。
    logit模型也叫Logistic模型，服从Logistic分布。probit模型服从正态分布。
    两个模型都是离散选择模型的常用模型。但logit模型简单直接，应用更广。
    probit模型是一种广义的线性模型。服从正态分布。
    最简单的probit模型就是指被解释变量Y是一个0,1变量，事件发生地概率是依赖于解释变量，即P（Y=1）=f(X)，也就是说,Y=1的概率是一个关于X的函数，其中f(.)服从标准正态分布。若f（.)是累积分布函数，则其为Logistic模型
    2016-03-10 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册