知识卡片
逻辑回归系数的几率解读
内容
逻辑回归的系数不能直接读成”概率变化了多少”，而要换算成几率（odds，即选中概率/不选中概率）的变化倍数：某个属性增加一个单位，选中的几率会变化exp(β)-1倍。这种”谈几率不谈概率”的解读语言，是所有基于Logit（[[Logit与Probit的分野]]）的离散选择模型共享的解释方式，也是它区别于普通线性回归”系数即边际效应”这种直觉解读的地方，做业务解读时容易踩坑混用两种口径。
参考来源
- 位置：《数据科学工程实践》第1章《如何分析用户的选择》"1.3.2 使用逻辑回归分析自驾选择问题·模型解读"一节（源文件：_epub-src/OEBPS/Text/part0010.xhtml）
- 结论依据：原文明确"DCM模型解读的对象可以分为概率（probability）和几率（odds）……得益于LR模型的数学性质，数据分析师可以基于模型参数直接对几率进行解读"，并给出公式"连续变量：odd(xi + 1)/odd(xi)-1=exp(βi)-1"，用家庭收入例子演示几率变化倍数的计算。
- 原始内容：DCM模型解读的对象可以分为概率（probability）和几率（odds）……得益于LR模型的数学性质，数据分析师可以基于模型参数直接对几率进行解读（这一点类似于线性回归）……连续变量：odd(xi + 1)/odd(xi)-1=exp(βi)-1……在其他条件保持不变的情况下，家庭收入增长1个单位，选择自驾的odds会变化，exp(βHINC)-1=exp(0.0266)-1=0.027，即增加0.027倍。