使用邏輯迴歸與使用「logit」進行廣義線性模型擬合有什麼不同？模型相似，但當我對資料運行逆預測時，我得到的值略有不同。
來自 JMP 手冊（ 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# )
廣義回歸人格中使用的名義變量的參數化
與使用其他擬合模型特性的參數化不同。 廣義的
回歸人格使用指示函數參數化。 在這個參數化中，
對應於名義變量水平指標的估計是對
該級別的平均響應與最後一個級別的平均響應之間的差異。 這
最後一級是具有最高值順序編碼的級別；這是其指標的水平
功能不包含在模型中。
你應該可以通過將預測公式保存到數據表中然後查看它們來看到這一點。
我應該補充一點，這個參數化不應該影響預測。 當然，它會影響參數估計。
感謝您的解釋！ 有沒有一種方法可以讓我看到兩個擬合的編碼，以查看計算之間的差異？
他們應該是相同的方法。 由於解決方案是通過最大似然法找到的，這需要搜索，因此您可能會得到與參數估計值略有不同的結果。 在某些情況下，這可能會導致不同的逆向預測結果。
如果您有分類預測變量，則可能會出現兩者之間的另一個主要區別。 廣義回歸對分類預測變量使用與擬合模型不同的編碼方案。
