邏輯迴歸

出自Positive WiKi
於 2024年3月9日 (六) 03:11 由 imported>LLnnn252 所做的修訂
(差異) ←上個修訂 | 最新修訂 (差異) | 下個修訂→ (差異)
跳至導覽 跳至搜尋

[[Category:自2016年9月{{#if:|需要專家關注的頁面|{{#if:2016-09-17T10:19:57+00:00|需要專業人士關注的頁面|}}}}|㏰]][[Category:自2016年9月{{#if:|需要專家關注的頁面|}}|㏰]][[Category:自2016年9月{{#if:|需要專家關注的頁面|}}|㏰]]{{#ifeq:none|left|}}{{#if: 

 {{#ifeq:  | true
 | dontcat    
 }}{{#ifeq:  | no
 | dontcat
 }}{{#switch: ¬
 | yes
 | ¬   =   
 | #default = dontcat   
 }}{{#switch: 
 | no = 
   {{#switch:
 {{#if:
 | {{#if:{{#titleparts:|0|3}}
   | subsubpage    
   | {{#if:{{#titleparts:|0|2}}
     | subpage
     | basepage
     }}
   }}
 | {{#if:{{#titleparts:邏輯斯諦迴歸|0|3}}
   | subsubpage    
   | {{#if:{{#titleparts:邏輯斯諦迴歸|0|2}}
     | subpage
     | basepage
     }}
   }}
 }}

| basepage =

| subpage = dontcat

| subsubpage = dontcat

}} 

 | only = 
   {{#switch:
 {{#if:
 | {{#if:{{#titleparts:|0|3}}
   | subsubpage    
   | {{#if:{{#titleparts:|0|2}}
     | subpage
     | basepage
     }}
   }}
 | {{#if:{{#titleparts:邏輯斯諦迴歸|0|3}}
   | subsubpage    
   | {{#if:{{#titleparts:邏輯斯諦迴歸|0|2}}
     | subpage
     | basepage
     }}
   }}
 }}

| basepage = dontcat

| subpage = | subsubpage = }} 

 }}

| | 

 {{#switch:
   {{#ifeq:  | false
   |   
   | {{#ifeq:  | yes
     |   
     | {{#ifeq:  | yes
       |   
       | {{#if:x

| 


     {{#if:{{#titleparts:{{#if:|  | 邏輯斯諦迴歸 }}|0|2}}
     | 
        
          
            
              
                
                       
                 
               
             
           
         
       
     | 
             
       
     }}

}} 

       }}
     }}
   }}
 | hide = 
 | #default  = 
   {{#ifeq: h0#384!5nea+w9 |  {{#if:|{{#ifexist:Category:需要{{{1}}}专家关注的页面|[[Category:需要{{{1}}}专家关注的页面]]{{#if:|{{#ifexist:Category:需要{{{2}}}专家关注的页面|[[Category:需要{{{2}}}专家关注的页面]]{{#if:|{{#ifexist:Category:需要{{{3}}}专家关注的页面|[[Category:需要{{{3}}}专家关注的页面]]|}}}}|}}}}|}}|}} 
   | 
     {{#switch:
 {{#if: 
   | {{{demospace}}}
   | {{#ifeq:|
     | main
     | {{#ifeq:|talk
       | talk
       |  
       }}
     }} 
   }}

| main = {{#switch:{{#ifexpr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)| 

|{{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|Template:Error 

 |邏輯斯諦迴歸}}}}{{safesubst:#switch: no
|no
|n
|false
|f
|否
|0        = 
|         = 
|¬        = 
|yes
|y
|true
|t
|是
|1        = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} 

|#default = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} }}| MOS = | LTA = | NT = | NC = | #default = }} | talk = | user = | wikipedia = | image = | mediawiki = | template = | help = | category = | portal = | wikiproject = | other | #default = }} 

   | 
     {{#iferror: {{#expr: 1 + {{#switch:
 {{#if: 
   | {{{demospace}}}
   | {{#ifeq:|
     | main
     | {{#ifeq:|talk
       | talk
       |  
       }}
     }} 
   }}

| main = {{#switch:{{#ifexpr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)| 

|{{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|Template:Error 

 |邏輯斯諦迴歸}}}}{{safesubst:#switch: no
|no
|n
|false
|f
|否
|0        = 
|         = 
|¬        = 
|yes
|y
|true
|t
|是
|1        = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} 

|#default = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} }}| MOS = | LTA = | NT = | NC = | #default = {{#if:|{{#ifexist:Category:需要{{{1}}}專家關注的頁面|[[Category:需要{{{1}}}專家關注的頁面]]{{#if:|{{#ifexist:Category:需要{{{2}}}專家關注的頁面|[[Category:需要{{{2}}}專家關注的頁面]]{{#if:|{{#ifexist:Category:需要{{{3}}}專家關注的頁面|[[Category:需要{{{3}}}專家關注的頁面]]|}}}}|}}}}|}}|}}}} | talk = | user = | wikipedia = | image = | mediawiki = | template = | help = | category = | portal = | wikiproject = | other | #default = }} }} | {{#switch: 

 {{#if: 
   | {{{demospace}}}
   | {{#ifeq:|
     | main
     | {{#ifeq:|talk
       | talk
       |  
       }}
     }} 
   }}

| main = {{#switch:{{#ifexpr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)| 

|{{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|Template:Error 

 |邏輯斯諦迴歸}}}}{{safesubst:#switch: no
|no
|n
|false
|f
|否
|0        = 
|         = 
|¬        = 
|yes
|y
|true
|t
|是
|1        = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} 

|#default = _IN:_i2=_sublen3={{#expr:abs(-1)-1}}_j4=u_min=Template:Min_CORE:slen:27_i={{#if:}||{{#ifexpr:({{#if:{{#expr:abs(-1)-1}}|1|0}} and {{#if:|1|0}})|{{#expr:Template:Min-{{#expr:abs(-1)-1}}+{{#ifexpr:{{#expr:abs(-1)-1}}<0|-1|1}}}}|1}}}}_j=Template:Min_inv={{#ifexpr:{{#ifeq:{{#expr:abs(−1)−1}}||0|{{#expr:abs(−1)−1}}}}<0|yes|no}}_tchk={{#if:{{#if:|{{#if:{{#expr:abs(-1)-1}}|{{#if:|{{#ifexpr:((-+1)<>{{#expr:abs(-1)-1}}) and (*<>0)|Error using {{[[{{#switch: 
|#default = Str mid 
| = 
   {{#ifeq:  | 
     | Template:Str mid            
     | Str mid      
   }}

}}|Str mid]]{{#if:||{{{arg}}}}}}}: indexes i= and j= do not match requested substring length {{ safesubst:#if:1|{{#expr:abs(-1)-1}}}}}}|}}}}}}|TCHK|-}}_blankexpr:{{#expr:({{#if:{{#expr:abs(−1)−1}}|{{#expr:abs(−1)−1}}|1}}=0) or (27=0)}} }}| MOS = | LTA = | NT = | NC = | #default = {{#if:|{{#ifexist:Category:需要{{{1}}}專家關注的頁面|[[Category:需要{{{1}}}專家關注的頁面]]{{#if:|{{#ifexist:Category:需要{{{2}}}專家關注的頁面|[[Category:需要{{{2}}}專家關注的頁面]]{{#if:|{{#ifexist:Category:需要{{{3}}}專家關注的頁面|[[Category:需要{{{3}}}專家關注的頁面]]|}}}}|}}}}|}}|}}}} | talk = | user = | wikipedia = | image = | mediawiki = | template = | help = | category = | portal = | wikiproject = | other | #default = }} | }} 

   }}
 }}

}}

邏輯迴歸（英語：Logistic regression，又譯作邏輯斯迴歸、羅吉斯迴歸、邏輯斯諦迴歸、對數機率迴歸），在統計學中是一種對數機率模型（英語：Logit model，又譯作邏輯模型、評定模型、分類評定模型），是離散選擇法模型之一，屬於多變量分析範疇，是社會學、生物統計學、臨床、數量心理學、計量經濟學、市場營銷等統計實證分析的常用方法。

通過使事件的對數發生率（log-odd）成為一個或多個自變數的線性組合，對事件發生的機率進行建模。形式上，在二元邏輯迴歸中，有一個二元應變數，由指示變量編碼，其中兩個值標記為「0」和「1」，而自變數每個都可以是二元變量（兩個類，由指示變量）或連續變量（任何實值）。標記為「1」的值的相應機率可以在0和1之間變化；將對數發生率轉換為機率的函數就是邏輯斯諦函數，因此得名。對數發生率單位稱為logit，來自logistic unit。<ref>Hosmer, David W.; Lemeshow, Stanley. Applied logistic regression. Wiley series in probability and statistics 2. ed., [Nachdr.] New York: Wiley. 200. ISBN 978-0-471-35632-5.  缺少或|title=為空 (幫助)</ref>

二元變量在統計學中廣泛用於對某一類別或事件發生機率的建模，例如團隊獲勝機率、患者健康機率等，而其中，邏輯模型則自大約 1970年以來最常用的二元迴歸模型。<ref>Cramer, J.S. The Origins of Logistic Regression. SSRN Electronic Journal. 2003. ISSN 1556-5068. doi:10.2139/ssrn.360300 （English）. </ref>當存在兩個以上可能值（例如圖像是否是貓、狗、獅子等）時，二元變量可以推廣為分類變量，並且二元邏輯迴歸推廣為多項邏輯迴歸。如果多個類別是有序的，則可以使用序數邏輯迴歸。邏輯迴歸模型本身只是簡單地根據輸入對輸出機率進行建模，並不執行統計分類。<ref>Walker, Strother H.; Duncan, David B. Estimation of the Probability of an Event as a Function of Several Independent Variables. Biometrika. 1967-06, 54 (1/2). doi:10.2307/2333860. </ref>

例子[編輯 | 編輯原始碼]

以一個例子說明邏輯迴歸如何解決實際問題：

一個小組20名學生，各自花費0~6小時準備考試，他們不同的學習時數如何影響通過考試的機率？

問題中的應變數是考試「通過」或者「掛科」，這是用邏輯迴歸的原因，雖然分別用「1」和「0」表示，但這兩個數字不代表基數。如果問題發生變化，用0-100的成績（基數）代替通過、掛科，則可以使用迴歸分析。

下表顯示每個學生花費在學習上的小時數，以及他們通過（1）或掛科（0）。

小時（xk） 0.50 0.75 1.00 1.25 1.50 1.75 1.75 2.00 2.25 2.50 2.75 3.00 3.25 3.50 4.00 4.25 4.50 4.75 5.00 5.50
通過（yk） 0 0 0 0 0 0 1 0 1 0 1 0 1 0 1 1 1 1 1 1

對學習時間（xk）和測試結果（yk = 1 表示通過，0 表示掛科）組成的數據進行擬合。數據點由下標k索引，該下標從1到20。x變量稱為「自變數」，y變量稱為「分類變量」，由「通過」或「失敗」兩個類別組成，分別對應於分類值1和0。

模型[編輯 | 編輯原始碼]

File:Exam pass logistic curve.svg
擬合xm，ym數據的邏輯迴歸曲線圖。該曲線顯示了通過考試的機率與學習時間的關係
統計學系列條目
迴歸分析
File:Linear regression.svg
模型
估計
背景

邏輯函數形式為：

<math>p(x)=\frac{1}{1+e^{-(x-\mu)/s}}</math>

其中μ是位置參數（曲線的中點，其中<math>p(\mu)=1/2</math>），s是尺度參數。該式可重寫為：

<math>p(x)=\frac{1}{1+e^{-(\beta_0+\beta_1 x)}}</math>

<math>\beta_0 = -\mu/s</math>稱為截距，是直線<math>y = \beta_0+\beta_1 x</math>的y截距。<math>\beta_1= 1/s</math>是反比例參數或速率參數，是作為"x"函數的對數發生率的"y"截距和斜率。反之，<math>\mu=-\beta_0/\beta_1</math>，並且<math>s=1/\beta_1</math>。

邏輯分布公式[編輯 | 編輯原始碼]

File:Logistisch.svg
邏輯分布函數圖像
<math> P(Y=1 | X=x) = \frac{ e^{x'\beta} }{1+ e^{x'\beta}}.</math>

其中參數<math>\beta</math>常用最大概似估計。

IIA假設[編輯 | 編輯原始碼]

全名為Independent and irrelevant alternatives假設，也稱作IIA效應，指Logit模型中的各個可選項是獨立的。

IIA假設示例[編輯 | 編輯原始碼]

市場上有A，B，C三個商品相互競爭，分別占有市場份額：60%，30%和10%，三者比例為：6:3:1

一個新產品D引入市場，有能力占有20%的市場——

如果滿足IIA假設，各個產品獨立作用，互不關聯：新產品D占有20%的市場份額，剩下的80%在A、B、C之間按照6:3:1的比例瓜分，分別占有48%，24%和8%。

如果不滿足IIA假設，比如新產品D跟產品B相似度高，則新產品D的CP值高而奪去產品B的部分市場(總份額的20%)，則產品B剩餘10%，而產品A和C的市場份額保持60%和10%不變。

滿足IIA假設的優點[編輯 | 編輯原始碼]

  • 可以獲得每個個性化的選擇集合的一致的參數估計
  • 各個類別的子集的一般化的估計
  • 大大節省時間
  • 可選項數目很多的時候尤其如此

IIA假設的檢定[編輯 | 編輯原始碼]

Hausman檢定[編輯 | 編輯原始碼]

傑里·A·奧斯曼和丹尼爾·麥克法登提出的。

一般化模型的檢定[編輯 | 編輯原始碼]

IIA問題的解決方法[編輯 | 編輯原始碼]

機器學習與資料探勘
File:Multi-Layer Neural Network-Vector-Blank.svg
範式
問題
<div style="padding:0.1em 0;line-height:1.2em;{{#if:|監督學習
(分類 · 迴歸) }}">{{#if:|{{{2}}}|監督學習
(分類 · 迴歸) }}
聚類分析
降維
[[:{{#if:結構預測|結構預測|Structured prediction}}|{{#if:結構預測|結構預測|Structured prediction}}]]（英語：Structured prediction）
異常檢測
  • RANSAC
  • k-NN
  • [[:{{#if:局部異常因子|局部異常因子|Local outlier factor}}|{{#if:局部異常因子|局部異常因子|Local outlier factor}}]]（英語：Local outlier factor）
  • [[:{{#if:||Isolation forest}}|孤立森林]]（英語：Isolation forest）
人工神經網絡
強化學習
與人類學習
模型診斷
數學基礎
  • [[:{{#if:內核機器|內核機器|Kernel machines}}|{{#if:內核機器|內核機器|Kernel machines}}]]（英語：Kernel machines）
  • [[:{{#if:偏差–變異數困境|偏差–變異數困境|Bias–variance tradeoff}}|{{#if:偏差–變異數困境|偏差–變異數困境|Bias–variance tradeoff}}]]（英語：Bias–variance tradeoff）
  • [[:{{#if:計算學習理論|計算學習理論|Computational learning theory}}|{{#if:計算學習理論|計算學習理論|Computational learning theory}}]]（英語：Computational learning theory）
  • 經驗風險最小化
  • [[:{{#if:||Occam learning}}|奧卡姆學習]]（英語：Occam learning）
  • [[:{{#if:機率近似正確學習|機率近似正確學習|Probably approximately correct learning}}|PAC學習]]（英語：Probably approximately correct learning）
  • 統計學習
  • VC理論
大會與出版物
相關條目
  • [[:{{#if:人工智慧術語|人工智慧術語|Glossary of artificial intelligence}}|{{#if:人工智慧術語|人工智慧術語|Glossary of artificial intelligence}}]]（英語：Glossary of artificial intelligence）
  • [[:{{#if:機器學習研究數據集列表|機器學習研究數據集列表|List of datasets for machine-learning research}}|{{#if:機器學習研究數據集列表|機器學習研究數據集列表|List of datasets for machine-learning research}}]]（英語：List of datasets for machine-learning research）
  • [[:{{#if:機器學習概要|機器學習概要|Outline of machine learning}}|{{#if:機器學習概要|機器學習概要|Outline of machine learning}}]]（英語：Outline of machine learning）

多項式Probit模型[編輯 | 編輯原始碼]

一般化極值模型[編輯 | 編輯原始碼]

可以將可選項間的相關性建模

巢式Logit模型[編輯 | 編輯原始碼]

巢式（Nested）表示可選項被分作不同的組，組與組之間不相關，組內的可選項相關，相關程度用1-λg來表示（1-λg越大，相關程度越高）

對偶組合Logit模型[編輯 | 編輯原始碼]
一般化分簇Logit模型[編輯 | 編輯原始碼]

混合Logit模型[編輯 | 編輯原始碼]

應用[編輯 | 編輯原始碼]

配體結合分析[編輯 | 編輯原始碼]

配體結合分析的典型校準曲線是S形的，下邊界（漸近線）靠近背景信號（非特異性結合），而上漸近線靠近最大的飽和響應。 四參數邏輯模型通常是擬合這種形狀校準曲線的首選，可以準確描述測量信號值與分析物濃度之間的S形關係。當不對稱性明顯時會添加第五個參數，但可能會導致擬合算法變得不穩定。<ref>Findlay, John W. A.; Dillard, Robert F. Appropriate calibration curve fitting in ligand binding assays. The AAPS Journal. 2007-06, 9 (2). ISSN 1550-7416. doi:10.1208/aapsj0902029. </ref>

二類評定模型（Binary Logit Model）[編輯 | 編輯原始碼]

  • 僅有兩個可選項：V1n，V2n
變量類型 統計量 組別比較 迴歸模型
numerical mean t-test/ANOVA 線性迴歸
categorical percentage Chi-square test 邏輯迴歸
persontime KM estimates
(survival curves) 		Log-rank test 比例風險迴歸

參考書目[編輯 | 編輯原始碼]

1 }} 
     | references-column-width 
     | references-column-count references-column-count-{{#if:1|{{{1}}}}} }}
   | {{#if: 
     | references-column-width }} }}" style="{{#if: 
   | {{#iferror: {{#ifexpr: 1 > 1 }}
     | -moz-column-width: {{#if:1|{{{1}}}}}; -webkit-column-width: {{#if:1|{{{1}}}}}; column-width: {{#if:1|{{{1}}}}};
     | -moz-column-count: {{#if:1|{{{1}}}}}; -webkit-column-count: {{#if:1|{{{1}}}}}; column-count: {{#if:1|{{{1}}}}}; }}
   | {{#if: 
     | -moz-column-width: {{{colwidth}}}; -webkit-column-width: {{{colwidth}}}; column-width: {{{colwidth}}}; }} }}">{{#if:
|
}}{{#if: |
}}
  • Agresti, Alan: Categorical Data Analysis. New York: Wiley, 1990.
  • Amemiya, T., 1985, Advanced Econometrics，Harvard University Press.
  • Hosmer, D. W. and S. Lemeshow: Applied logistic regression. New York; Chichester, Wiley, 2000.

參見[編輯 | 編輯原始碼]

外部連結[編輯 | 編輯原始碼]

敘述統計學
推論統計學
和假說檢定
{{#if:推論統計學|}}
{{#if:實驗設計|}}
{{#if:樣本量（英語：Sample size）|
樣本量（英語：Sample size）
}}
{{#if:常規估計|
常規估計
}}
{{#if:假說檢定|}}
{{#if:生存分析|}}
相關及
迴歸分析
{{#if:相關性|
相關性
}}
{{#if:線性迴歸|}}
{{#if:非線性迴歸|}}
統計圖形
其他

參考[編輯 | 編輯原始碼]

取自「https://positive.wiki/index.php?title=邏輯斯諦迴歸&oldid=133」