使用逻辑回归与使用“logit”进行广义线性模型拟合有什么区别？模型相似，但当我对数据运行逆预测时，我得到的值略有不同。
从 JMP 手册 ( https://www.jmp.com/support/help/en/15.1/?os=win&source=application&utm_source=helpmenu&utm_medium=application#page/jmp/distribution-option-in-generalized-regression.shtml# )
广义回归人格中使用的名义变量的参数化
与使用其他拟合模型特性的参数化不同。 广义的
回归人格使用指示函数参数化。 在这个参数化中，
对应于名义变量水平指标的估计是对
该级别的平均响应与最后一个级别的平均响应之间的差异。 这
最后一级是具有最高值顺序编码的级别；这是其指标的水平
功能不包含在模型中。
你应该可以通过将预测公式保存到数据表中然后查看它们来看到这一点。
我应该补充一点，这个参数化不应该影响预测。 当然，它会影响参数估计。
感谢您的解释！ 有没有一种方法可以让我看到两个拟合的编码，以查看计算之间的差异？
他们应该是相同的方法。 由于解决方案是通过最大似然法找到的，这需要搜索，因此您可能会得到与参数估计值略有不同的结果。 在某些情况下，这可能会导致不同的逆向预测结果。
如果您有分类预测变量，则可能会出现两者之间的另一个主要区别。 广义回归对分类预测变量使用与拟合模型不同的编码方案。
