多變量Logistic回歸解釋你好，
我使用多元回歸來探索運行中的重要功能。 我發現很難解釋這些結果。 有沒有人可以提供一些建議？我整天都在閱讀統計知識門戶，但事情仍然沒有更清楚。
謝謝，
利物浦式。
Re：多變量Logistic回歸解釋你能提供一些結果嗎？是否有您想要回答的具體問題？需要更多信息才能嘗試和幫助您。
Re：多變量Logistic回歸解釋你好丹，
感謝您的快速回复。
這是我正在努力理解的： -
1。 實際預測圖（AbPP）和槓桿圖（LP）之間有什麼區別 - 為什麼AbPP具有P，Rsq和RMSE值，但LP只有P值？
2。 效果摘要 - 您是報告LogWorth還是僅報告P值？
3。 適合的Summray - 是否有任何評估你的均方根誤差的指南？（我的是0.0977 - 是好還是壞）
4。 差異分析 - 應該從這里報告什麼？
謝謝，
利物浦式
Re：多變量Logistic回歸解釋1）多重邏輯回歸沒有槓桿圖。
連續響應的回歸模型將同時具有觀察到的預測圖和槓桿圖。OBS。vs. pred plot為您提供有關整個模型的信息。整個模型具有諸如R平方，整體p值和RMSE的統計數據。槓桿圖為您提供有關模型中每個單獨術語的信息。
2）您可以報告任一值，但您報告的內容取決於您向誰報告這些結果。如果取p值的對數基數10的負數，則將獲得LogWorth。這是相同的信息，只是以不同的規模報告。
3）均方根誤差是響應和p（實際發生的事件的擬合概率）之間存在差異。 這通常意味著較低的值更好，因為它表示響應和p更接近。例如，觀察可能具有“真”的結果。如果模型預測True事件的概率為0.6，那麼對於該觀察，RMSE將具有1-0.6 = 0.4 ^ 2 = 0.16的值。將這些“偏差”相加並除以n得到RMSE（公式隨輸出一起顯示）。我無法知道什麼是好數字，因為它取決於觀察的數量。
4）我不能告訴你要報告什麼。這取決於您希望溝通的信息以及您與之溝通的人員至少。在某些情況下，您可能不需要報告“方差分析”結果。其他時候你會。這不是一個統計問題。
Re：多變量Logistic回歸解釋謝謝丹，
有一些非常好的信息可以解釋為“外行人”。 真的很貼近你的時間和精力。
