regression - Logit 模型和逻辑回归之间的区别？

Question

我知道这两个模型有不同的方程，但我不确定为什么人们使用 logistic 模型而不是 logit 模型，反之亦然？其背后的主要原因是什么？如果我的响应变量是一个决策变量(是，否)，那么这里哪个模型会更好，为什么？

Answer 1

如果你看一下stats.idre.ucla.edu ，你会发现它是同一件事:

Logistic regression, also called a logit model, is used to model dichotomous outcome variables. In the logit model the log odds of the outcome is modeled as a linear combination of the predictor variables.

要对此进行扩展，您通常会使用逻辑模型来预测二元事件发生或不发生的概率。是的，如果您的响应变量是决策变量(是/否)，您可以使用逻辑回归方法。大多数情况下，将 yes/no 重新编码为 1 或 0 会很有用。

您在这里没有提及任何特定工具，但如果您使用的是 R，则可以使用 glm() 轻松设置逻辑模型:

model <- glm(outcome~X1+x2)

这里，outcome 是您的决策变量，X1 和 X2 是您的预测变量。