知识卡片
系数是发生比的倍数
由 log(odds)=β0+β1x1+…+βpxp 可得 odds=exp(β0)·exp(β1x1)…exp(βpxp)。对连续自变量 Xk,系数 βk 的含义是:控制其他变量不变,Xk 增加一个单位,事件发生比变为原来的 exp(βk) 倍。βk>0 时 exp(βk)>1,发生比变大,为正向作用;βk 时缩小,为负向作用;βk=0 时不变,说明该变量没有影响。示例:βk=0.69 则 exp(βk)≈2,发生比翻倍。对 0/1 虚拟变量(如是否有心脏病家族史),βk 表示该水平相对于参照水平(所有该类虚拟变量取 0 的水平)使发生比变为 exp(βk) 倍,符号同样表示方向。解释时还要结合数据背景,倍数关系不等于因果效应,也不等于概率本身翻倍。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第3章 线性分类方法 · 查看原书依据
如果自变量Xk是连续的,那么它前面的系数βk就说明,在控制其他变量不变的条件下,当该自变量增大一单位时,我们所关心事件的发生比会变为原来的exp(βk)倍。
参考来源
- 位置:《大数据挖掘与统计机器学习》第3章 线性分类方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter5_0002.xhtml,3.2.1 基本模型)
- 结论依据:原文把模型化为发生比形式后,逐条说明连续自变量系数表示发生比变为 exp(βk) 倍、正负号的含义,以及定性虚拟变量相对参照水平的解释方式。
- 原始内容:如果自变量Xk是连续的,那么它前面的系数βk就说明,在控制其他变量不变的条件下,当该自变量增大一单位时,我们所关心事件的发生比会变为原来的exp(βk)倍。