多元LOGIT模型应用注意事项 逻辑模型，是社会学、人口学、医学、金融学等应用较为广泛的应用方法。对于应用逻辑模型尤其是多元逻辑模型的前提条件和注意事项却为很多人所忽视，现将基本注意点总结如下，供大家注意。 A. 多元逻辑回归模型的理论前提相对判别分析法要宽松得多，且没有关于分布类型、协方差阵等方面的严格假定。不过，在大量运用多元逻辑 回归的研究中往往忽视了另一个相当重要的问题，即模型自变量之间可能存在的多重共线性干扰。与其他多元回归方法一样，Logistic回归模型也对多元共线性敏感。当变量之间的相关程度提高时，系数估计的标准误将会急剧增加；同时，系数对样本和模型设置都非常敏感，模型设置的微小变化、在同时，系数对样本和模型设置都非常敏感，模型设置的微小变化、在样本总体中加入或删除案例等变动，都会导致系数估计的较大变化。 B. 多元逻辑回归模型的理论是建立在二分类原理基础上的，因此选择分类参考组别的时候，默认的是具有很大编号的控制变量为分类变量。这个需要根据研究的不同目的和研究内容具体要求自己设置，以便避免出现所有带入模型变量均为不显著变量的情况出现。 C. 在对逻辑模型输出结果进行分析时，主要分析的是：模型拟合程度、伪可决系数（伪系数一般不高一般出现在0.2以上就可以说明拟合情况）；变量的显著性水平，这是分析的主体部分。对于选入的变量的显著性（P＜0.05单侧；P＜0.01双侧）进行分析，从而找出不为零的模型偏相关系数。还可以通过分析优势比（Odd）来分析几个自变量之间的对于因变量的贡献程度不同，或者谁更为显著。 本文来源：https://www.wddqw.com/doc/6e4e7ee55ef7ba0d4a733be2.html