Statistics 统计伪变量作为因变量回归

我有一大堆自变量：身高，体重，等等，我想回归一个虚拟变量。例如，如果我想回归糖尿病0如果患者没有糖尿病，1如果患者有糖尿病，我想计算体重增加1磅对患糖尿病概率的影响，我该怎么做？我相信有多种方法可以做到这一点，但我从来没有听说过一个模型可以做到这一点。我以为这是probit模型，但我不确定。有什么想法吗

您描述的问题称为逻辑回归；在网上搜索应该会找到很多点击率。最常见的是，响应是输入的线性组合的函数，但更普遍的是，响应可能是输入的非线性函数

---

响应对输入（例如权重）的依赖性是有趣的，但不是完全适定的，因为响应概率的变化在输入变量的范围内变化；对于非常大或非常小的输入值，变化非常小，并且在两者之间达到某个最大值

那么我应该使用logit模型？以上只是一个例子。我并没有把糖尿病当作我的依赖者。这个模型的系数会给我概率吗？@Pcarlitz是的，logit值得考虑，probit也是；这个想法还有其他的变化。logit模型的系数告诉我们logp/1-p的斜率，你可以自己确认；这使得解释起来有点容易，虽然不多。好的，太好了。你知道我可以用stata轻松地将系数转换成概率吗？@Pcarlitz对不起，我对stata一无所知。