多变量Logistic回归解释你好，
我使用多元回归来探索运行中的重要功能。 我发现很难解释这些结果。 有没有人可以提供一些建议？我整天都在阅读统计知识门户，但事情仍然没有更清楚。
谢谢，
利物浦式。
Re：多变量Logistic回归解释你能提供一些结果吗？是否有您想要回答的具体问题？需要更多信息才能尝试和帮助您。
Re：多变量Logistic回归解释你好丹，
感谢您的快速回复。
这是我正在努力理解的： -
1。 实际预测图（AbPP）和杠杆图（LP）之间有什么区别 - 为什么AbPP具有P，Rsq和RMSE值，但LP只有P值？
2。 效果摘要 - 您是报告LogWorth还是仅报告P值？
3。 适合的Summray - 是否有任何评估你的均方根误差的指南？（我的是0.0977 - 是好还是坏）
4。 差异分析 - 应该从这里报告什么？
谢谢，
利物浦式
Re：多变量Logistic回归解释1）多重逻辑回归没有杠杆图。
连续响应的回归模型将同时具有观察到的预测图和杠杆图。OBS。vs. pred plot为您提供有关整个模型的信息。整个模型具有诸如R平方，整体p值和RMSE的统计数据。杠杆图为您提供有关模型中每个单独术语的信息。
2）您可以报告任一值，但您报告的内容取决于您向谁报告这些结果。如果取p值的对数基数10的负数，则将获得LogWorth。这是相同的信息，只是以不同的规模报告。
3）均方根误差是响应和p（实际发生的事件的拟合概率）之间存在差异。 这通常意味着较低的值更好，因为它表示响应和p更接近。例如，观察可能具有“真”的结果。如果模型预测True事件的概率为0.6，那么对于该观察，RMSE将具有1-0.6 = 0.4 ^ 2 = 0.16的值。将这些“偏差”相加并除以n得到RMSE（公式随输出一起显示）。我无法知道什么是好数字，因为它取决于观察的数量。
4）我不能告诉你要报告什么。这取决于您希望沟通的信息以及您与之沟通的人员至少。在某些情况下，您可能不需要报告“方差分析”结果。其他时候你会。这不是一个统计问题。
Re：多变量Logistic回归解释谢谢丹，
有一些非常好的信息可以解释为“外行人”。 真的很贴近你的时间和精力。
