Logistic 模型与建模流程概述
1. Logistic 模型介绍
1.1 问题的提出
在商业与金融领域中,存在这么一类问题,问题中需要被解释的目标量通常可以用
YES 或者 NO 两种取值来表示,如:
卖出了商品为 YES,未卖出商品为 NO;
顾客对超市的本次宣传活动做了响应为 YES,没有任何响应为 NO;
信用卡持卡人本月逾期付款为 YES,按时还款了为 NO;
等等;
对于这类问题的分析,我们不可以采用标准的线性回归对其进展建模分析,是因为
目标变量的二元分布违背了线性回归的重要假设
模型的目标是给出一个〔0,1〕之间的概率,而标准的线性回归模型产生的值是
在这个围之外
1.2 Logistic 模型
对于上述问题,我们提出了 logistic 模型:
Logistic 模型可以保证:
值在- ¥和+ ¥之间;
估计出来的概率值在 0 和 1 之间;
与事件 odds〔 〕直接相关;
可以很好地将问题转化为数学问题,并且模型结果容易解释;
1.3 Logistics 回归的假设
概率是自变量的 logistics 函数
1 / 9