二分類邏輯回歸分析中prob.代表什么？首先，人們通常用“l(fā)ogistic回歸”、“l(fā)ogistic模型”、“l(fā)ogistic回歸模型”和“l(fā)ogit模型”來指代同一模型。唯一不同的是形式不同：log

二分類邏輯回歸分析中prob.代表什么？

首先，人們通常用“l(fā)ogistic回歸”、“l(fā)ogistic模型”、“l(fā)ogistic回歸模型”和“l(fā)ogit模型”來指代同一模型。唯一不同的是形式不同：logistic回歸是概率的直接估計，logit模型是概率的logit變換。

然而，SPSS軟件似乎將分類自變量組成的模型稱為logit模型，將分類自變量和連續(xù)自變量組成的模型稱為logistic回歸模型。至于是二元還是多元，關鍵是看因變量有多少類，多元是二元的展開式。其次，當因變量為名義變量時，logit與probit沒有本質區(qū)別。不同之處在于分布函數不同。前者假設隨機變量服從邏輯概率分布，后者假設隨機變量服從正態(tài)分布。實際上，這兩類分布函數的計算公式非常相似，函數值相差不大。唯一的區(qū)別是邏輯概率分布函數的尾部比正態(tài)分布函數的尾部厚。但是，如果因變量是序數變量，則序數probit模型只能用于回歸。有序probit可以看作probit的擴展

一種方法是建立多分類logistic回歸模型，即在數據量大的情況下，不考慮有序和無序的情況下，推薦使用這種方法。結果是選取某一類別作為參考類別，并針對不同類別建立了不同的線性回歸方程。

另一種方法是建立有序邏輯回歸模型。不同的分類使用相同的線性回歸方程，但極限值（常數項）不同。

二分類邏輯回歸分析中prob.代表什么？

求解了模型的最優(yōu)參數，并對模型進行了測試，驗證了求解的質量。