logistic 回归与多元线性回归区别及若干问题讨论1 多重线性回归(MultipleLinearRegression）Logistic 回归（LogisticRegression)概念多重线性回归模型可视为简单直线模型的直接推广，具有两个及两个以上自变量的线性模型即为多重线性回归模型.属于概率型非线性回归,是讨论二分类（可扩展到多分类）观察结果与一些影响因素之间关系的一种多变量分析方法。变量的特点应变量：1 个；数值变量（正态分布）自变量：2 个及 2 个以上；最好是数值变量，也可以是无序分类变量、有序变量。应变量:1 个；二分类变量（二项分布）、无序/有序多分类变量自变量:2 个及 2 个以上；数值变量、二分类变量、无序/有序多分类变量总体回归模型 LogitP=(样本）偏回归系数含义表示在控制其它因素或说扣除其它因素的作用后（其它所有自变量固定不变的情况下)，某一个自变量变化一个单位时引起因变量 Y 变化的平均大小。表示在控制其它因素或说扣除其它因素的作用后(其它所有自变量固定不变的情况下）,某一因素改变一个单位时，效应指标发生与不发生事件的概率之比的对数变化值（logitP 的平均变化量)，即 lnOR。适用条件 LINE:1、L：线性-—自变量 X 与应变量 Y 之间存在线性关系；2、I：独立性——Y 值相互独立，在模型中则要求残差相互独立,不存在自相关；3、N:正态性—-随机误差（即残差)e 服从均值为零,方差为２的正态分布;4、E:等方差——对于所有的自变量 X,残差 e 的方差齐。观察对象（case)之间相互独立；若有数值变量,应接近正态分布（不能严重偏离正态分布）；二分类变量服从二项分布；要有足够的样本量；LogitP 与自变量呈线性关系。
