Logistic regression measures the re

Logistic regression measures the relationship between the categorical dependent variable and one or more independent variables by estimating probabilities using a logistic function, which is the cumulative logistic distribution. Thus, it treats the same set of problems as probit regression using similar techniques, with the latter using a cumulative normal distribution curve instead. Equivalently, in the latent variable interpretations of these two methods, the first assumes a standard logistic distribution of errors and the second a standard normal distribution of errors.

The logistic regression model is simply a non-linear transformation of the linear regression. The "logistic" distribution is an S-shaped distribution function which is similar to the standard-normal distribution (which results in a probit regression model) but easier to work with in most applications (the probabilities are easier to calculate). The logit distribution constrains the estimated probabilities to lie between 0 and 1.

Kết quả (Việt) 1:

Hồi quy Logistic các biện pháp mối quan hệ giữa các biến categorical phụ thuộc và một hoặc nhiều biến độc lập bởi ước tính xác suất bằng cách sử dụng một chức năng hậu cần, là tích lũy phân phối hậu cần. Do đó, nó xử lý cùng một tập hợp của các vấn đề như probit hồi quy sử dụng kỹ thuật tương tự, với những thứ hai bằng cách sử dụng một đường cong tích lũy bình thường phân phối thay vào đó. Tương tự, trong những giải thích biến tiềm ẩn của hai phương pháp, là người đầu tiên giả định một phân phối hậu cần tiêu chuẩn của lỗi và lần thứ hai một phân phối bình thường tiêu chuẩn của lỗi. Các mô hình hồi quy logistic là chỉ đơn giản là một chuyển đổi phi tuyến của các hồi quy tuyến tính. Phân phối "hậu cần" là một hàm hình chữ S phân phối mà là tương tự như phân phối tiêu chuẩn-chuẩn (mà kết quả trong một mô hình hồi quy probit) nhưng dễ dàng hơn để làm việc với hầu hết các ứng dụng (các xác suất dễ dàng hơn để tính toán). Phân phối hàm lôgit buộc các xác suất ước tính nằm giữa 0 và 1.

Kết quả (Việt) 2:

Hồi quy logistic đo mối quan hệ giữa biến phụ thuộc và phân loại một hoặc các biến độc lập hơn bằng cách ước tính xác suất bằng cách sử dụng một chức năng hậu cần, đó là phân phối hậu cần tích lũy. Vì vậy, nó xử lý cùng một tập các vấn đề như hồi quy probit sử dụng kỹ thuật tương tự, sau này sử dụng một đường cong phân phối tích lũy bình thường để thay thế. Một cách tương đương, trong những cách giải thích biến tiềm ẩn của hai phương pháp này, người đầu tiên giả định một phân phối hậu cần chuẩn của các lỗi và phân phối chuẩn tiêu chuẩn thứ hai của lỗi. Các mô hình hồi quy logistic đơn giản chỉ là một biến đổi phi tuyến tính của hồi quy tuyến tính. Các "hậu cần" phân phối là một chức năng phân phối hình chữ S mà là tương tự với phân bố chuẩn bình thường (mà kết quả trong một mô hình hồi quy probit) nhưng dễ dàng hơn để làm việc với các ứng dụng trong hầu hết (xác suất là dễ dàng hơn để tính toán). Sự phân bố logit chế các xác suất ước tính nằm giữa 0 và 1.