【发布时间】：2019-03-19 18:04:49
【问题描述】：
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逻辑模型而不是 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），这里哪个模型会更好，为什么？
【问题讨论】：
标签： regression logistic-regression
【发布时间】：2019-03-19 18:04:49
【问题描述】：
如果你看一下stats.idre.ucla.edu，你会发现它是一回事：
Logistic回归，也称为logit模型，用于建模 二分结果变量。在 logit 模型中， 结果被建模为预测变量的线性组合。
为了对此进行扩展，您通常会使用逻辑模型来预测二元事件发生与否的概率。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 or 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 R，您可以使用 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 and X2 是您的预测变量。
【讨论】：
-
@Tashaho，没问题！我在 ucla 链接上遇到了一些问题。它对你有用吗？
-
@Tashaho，酷！您会考虑将我的建议标记为已接受的答案吗？有时我往往会忘记自己这样做......