在运行没有截距的逻辑回归时，有没有人观察到非常高的通用 R 方，比具有截距的模型高 25-30 点？在几个要预测的结果变量为 0/1 的不同项目中，我注意到运行逻辑回归（广义，具有二项式方差）检查“无截距”框会大大提高广义 R 平方，大约 25 或 30 个百分点。我的最新模型适用于在体验期人群中观察到的罕见事件，该事件约占 1.2%。具有截距的预测模型产生的广义 R 平方约为 0.60 到 0.67，而没有截距的模型约为 0.95 到 0.98。我确实有一些具有高度预测性的关键变量，所以起初我认为 90% 以上的 R 代平方似乎是合理的。但是混淆矩阵显示的错误比我想的要多，甚至将阈值降低到 2%-5%。我确实喜欢这样的想法，即无截距意味着自截距 = 0 以来常数项的盲对数优势比，就像抛硬币一样，概率 = 0.50。 但也许这些模型太容易被击败，夸大了取决于（L0 = 仅截距模型）与（具有 X 预测变量的 LM 拟合模型）的似然比的广义 R 平方。特别是如果我事先（先验地）知道结果事件是罕见的。因此，虽然编写一个将广义 R 平方约为 95%-98% 的简报会很棒，但我认为如果我使用一个截距为 60% 的 R 平方的模型可能会更加谨慎和实用.如果您对我有任何建议，请回复。谢谢！
分析其他回复：当运行没有截距的逻辑回归时，有没有人观察到非常高的通用 R 方，比有截距的模型高 25-30 点？我在几个示例中比较了有和没有截距的模型，并始终观察到相反的趋势：当模型包含截距项时，R 平方指标更好。 如果您可以重现您报告的结果，那么我建议您联系 JMP 技术支持（支持@jmp.com ) 以获得分辨率。 请回复此讨论以获取他们的发现，以造福于社区。
回复：当运行没有截距的逻辑回归时，有没有人观察到非常高的通用 R 方，比有截距的模型高 25-30 点？是的，我今天将我的示例 JMP 文件发送给 JMP 支持。没有截距的模型的广义 R 方为 98%，而有截距的模型的广义 R 方为 55%。我会保持社区发布。
回复：当运行没有截距的逻辑回归时，是否有人观察到非常高的一般 RSquares，比有截距的模型高出约 25-30 个点？我很高兴你得到了有用的答案。祝你模特生涯一切顺利！
