Statistics 从R
全部, 我对一组变量（包括分类变量和连续变量）进行了逻辑回归，以二元事件作为因变量 现在，在建模后，我观察到一组分类变量显示负号，我认为这是为了理解，如果分类变量出现的次数较多，则因变量出现的概率较低 但当我看到自变量出现的百分比时，我看到了相反的趋势。因此，结果似乎与直觉相反。任何可能发生这种情况的原因。我试着在下面用一个伪例子来解释 因变量-E 预测因素： 1.分类变量-Cat1，具有2个级别（0,1） 2.连续Var-Con1 3.分类变量-2级Cat2（0,1） 建模后： 假设所有都是有效的，系数如下所示， Cat1-（-0.6） Con1-（0.3） Cat2-（-0.4） 但当我计算Cat1上事件E的发生率时，我发现Cat1为1时，事件E的发生率很高，我认为这是违反直觉的Statistics 从R,statistics,logistic-regression,Statistics,Logistic Regression,全部, 我对一组变量（包括分类变量和连续变量）进行了逻辑回归，以二元事件作为因变量 现在，在建模后，我观察到一组分类变量显示负号，我认为这是为了理解，如果分类变量出现的次数较多，则因变量出现的概率较低 但当我看到自变量出现的百分比时，我看到了相反的趋势。因此，结果似乎与直觉相反。任何可能发生这种情况的原因。我试着在下面用一个伪例子来解释 因变量-E 预测因素： 1.分类变量-Cat1，具有2个级别（0,1） 2.连续Var-Con1 3.分类变量-2级Cat2（0,1） 建模后： 假设所有都是有
请帮助理解这一点。逻辑回归系数与事件概率的变化不直接相关，而是事件概率变化的相对度量。详细推导了如何解释logistic回归系数。在你的上下文中，CAT1的系数是-0.6意味着p（E | CAT1=1）