编辑“邏輯斯諦迴歸”（章节）

== IIA假设 ==
全名為'''Independent and irrelevant alternatives'''假设，也称作'''IIA效应'''，指Logit模型中的各个可选项是独立的。
=== IIA假设示例 ===

市场上有A，B，C三个商品相互竞争，分别占有市场份额：60%，30%和10%，三者比例为：6:3:1

一个新产品D引入市场，有能力占有20%的市场——

如果满足IIA假设，各个产品独立作用，互不关联：新产品D占有20%的市场份额，剩下的80%在A、B、C之间按照6:3:1的比例瓜分，分别占有48%，24%和8%。

如果不满足IIA假设，比如新产品D跟产品B相似度高，则新产品D的[[CP值]]高而夺去产品B的部分市场(总份额的20%)，則产品B剩余10%，而产品A和C的市场份额保持60%和10%不变。

=== 满足IIA假设的优点 ===
* 可以获得每个个性化的选择集合的一致的[[参数估计]]
* 各个类别的[[子集]]的一般化的[[估计]]
* 大大节省时间
* 可选项数目很多的时候尤其如此

=== IIA假设的检验 ===
==== Hausman检验 ====
[[傑里·A·奧斯曼]]和[[丹尼爾·麥克法登]]提出的。

==== 一般化模型的检验 ====
=== IIA问题的解决方法 ===
{{机器学习导航栏}}
==== [[多项式Probit模型]] ====

==== [[一般化极值模型]] ====
可以将可选项间的[[相关性]]建模
===== 巢式Logit模型 =====
巢式（Nested）表示可选项被分作不同的组，组与组之间不相关，组内的可选项相关，相关程度用1-λ<sub>g</sub>来表示（1-λ<sub>g</sub>越大，相关程度越高）

===== 对偶组合Logit模型 =====
===== 一般化分簇Logit模型 =====
==== 混合Logit模型 ====