在運行沒有截距的邏輯回歸時，有沒有人觀察到非常高的通用 R 方，比具有截距的模型高 25-30 點？在幾個要預測的結果變量為 0/1 的不同項目中，我注意到運行邏輯回歸（廣義，具有二項式方差）檢查“無截距”框會大大提高廣義 R 平方，大約 25 或 30 個百分點。我的最新模型適用於在體驗期人群中觀察到的罕見事件，該事件約佔 1.2%。具有截距的預測模型產生的廣義 R 平方約為 0.60 到 0.67，而沒有截距的模型約為 0.95 到 0.98。我確實有一些具有高度預測性的關鍵變量，所以起初我認為 90% 以上的 R 代平方似乎是合理的。但是混淆矩陣顯示的錯誤比我想的要多，甚至將閾值降低到 2%-5%。我確實喜歡這樣的想法，即無截距意味著自截距 = 0 以來常數項的盲對數優勢比，就像拋硬幣一樣，概率 = 0.50。 但也許這些模型太容易被擊敗，誇大了取決於（L0 = 僅截距模型）與（具有 X 預測變量的 LM 擬合模型）的似然比的廣義 R 平方。特別是如果我事先（先驗地）知道結果事件是罕見的。因此，雖然編寫一個將廣義 R 平方約為 95%-98% 的簡報會很棒，但我認為如果我使用一個截距為 60% 的 R 平方的模型可能會更加謹慎和實用.如果您對我有任何建議，請回复。謝謝！
分析其他回复：當運行沒有截距的邏輯回歸時，有沒有人觀察到非常高的通用 R 方，比有截距的模型高 25-30 點？我在幾個示例中比較了有和沒有截距的模型，並始終觀察到相反的趨勢：當模型包含截距項時，R 平方指標更好。 如果您可以重現您報告的結果，那麼我建議您聯繫 JMP 技術支持（ support@jmp.com ) 以獲得分辨率。 請回复此討論以獲取他們的發現，以造福於社區。
回复：當運行沒有截距的邏輯回歸時，有沒有人觀察到非常高的通用 R 方，比有截距的模型高 25-30 點？是的，我今天將我的示例 JMP 文件發送給 JMP 支持。沒有截距的模型的廣義 R 方為 98%，而有截距的模型的廣義 R 方為 55%。我會保持社區發布。
回覆：當運行沒有截距的邏輯回歸時，是否有人觀察到非常高的一般 RSquares，比有截距的模型高出約 25-30 個點？我很高興你得到了有用的答案。祝福你模特兒事業一切順利！
