logit模型应用实例分析(logit模型的参数解释)


此前介绍了在线性回归模型中不同变量效应大小的比较方法,在Logit、Ologit概率模型中, beta选项不能使用,在此介绍概率模型中的输出标准化系数的方法

标准化系数是什么?

标准化系数是指将数据标准化后计算得到的回归系数。数据进行了标准化后可以取消不同变量量纲的影响 为了比较模型中不同变量效应的大小,需要进行标准化处理。例如:足球比赛中,比较射门、罚球点球对积分的影响效应大小,自变量:射门、罚球点球;因变量:比赛结果。根据回归系数可知自变量每增加一个单位,引起的对因变量的影响大小,但两者相比,谁的影响更大则需要进行标准化处理

注:数据为足球技战术指标(因变量:比赛结果(Mdf,胜3、平2、负1;Mdf1,不败1、负0);自变量:射门shoot、罚球点球dq);数据、模型结果为举例说明,不代表真实情况。

方法一:标准化变量再回归

(注:仅适用于ologit模型,logit模型不适用)

将原始的变量转化成无量纲的标准化数据,使得回归后的系数具有可比性

第一步 对变量进行标准化处理

生成新变量t_Mdf、t_shoot、t_dq

egen t_Mdf=std(Mdf) //变量标准化
egen t_shoot=std(shoot) //变量标准化
egen t_dq=std(dq) //变量标准化

第二步 对标准化后的数据进行拟合

ologit t_Mdf t_shoot t_dq ,nolog //输出结果为标准化后的系数
「手把手陪你学Stata」比较Logit、Ologit模型中不同变量的效应值

方法二:使用listcofe命令

(注:仅适用于logit模型,ologit模型不适用)

第一步 回归

logit Mdf1 shoot dq,nolog //
「手把手陪你学Stata」比较Logit、Ologit模型中不同变量的效应值

第二步 输出标准化系数

listcoef ,std help // 
「手把手陪你学Stata」比较Logit、Ologit模型中不同变量的效应值

注:logit、ologit模型是概率模型,一般结合回归系数方向和OR值来解释模型的,比较不同变量的效应大小后注意多种方法结合使用以解读模型

二维码

公众号:doutuixueyuan(长安复制)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 394062665@qq.com 举报,一经查实,本站将立刻删除。

发表评论

登录后才能评论
客服