Разница между логит-моделями и логистической регрессией?

Question

Я знаю, что эти две модели имеют разные уравнения, но я не уверен, почему люди используют логистическую модель вместо логит-модели и наоборот?Какова основная причина этого?Если моя переменная ответа является переменной решения (да, нет), то какая модель будет лучше здесь и почему?

Answer 1

Если вы посмотрите на stats.idre.ucla.edu , вы увидите, что это то же самое:

Логистическая регрессия, также называемая моделью логита, используется для моделирования дихотомических переменных результата.В логит-модели логарифмические шансы на результат моделируются как линейная комбинация переменных-предикторов.

Чтобы расширить это, вы, как правило, будете использовать логистическую модель для прогнозирования вероятности двоичного числа.событие произойдет или нет.И да, если ваша переменная ответа является переменной решения (да / нет), вы можете использовать подход логистической регрессии.Чаще всего будет полезно перекодировать yes/no в 1 or 0.

Здесь вы не упоминаете какие-либо конкретные инструменты, но если вы используете R, вы можете легко настроить логистическую модель, используя glm():

model <- glm(outcome~X1+x2)

Здесь outcome - это ваша переменная решения, а X1 and X2 - ваша переменная-предиктор.