Logit模型与logistic模型的联系与区别_logit与logistic
关于logit和logistic模型的区别貌似是个老生常谈的问题，学习之后稍微整理一下：
（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式
log(a)，logistic形式为log(a/1-a)。
（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。
（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。
（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。 看到前面几个有关Logit回归的问题，给大家做点贡献吧。
1，对于（0，1）的情况，SAS里面默认0在先。要么你编码的时候讲事件编为0，要么在回归的时候加上Descending的选项。
2，结果一般用两张表。第一张就像一般的OLS回归，汇报系数的大小和符号（是的，Logit系数大小没有意义，符号表示影响的方向），系数是否为0的统计值，样本量（这个很重要，我看所有的文章里都有），最后就是模型的Fit。
3，系数是否为零的检验，可以直接汇报SAS结果里面的P值，也可以根据开方值计算通常用的T值，你知道，开方的平方根就是近似的T值。注意，不要汇报开方，看起来很傻的。
4，拟合度方面，现在流行报告一个PseudoR2（有人叫假R2）。比较流行的就是McFadden1974的方法。很简单，用Log－Likelihood（SAS结果的－2 Log L）的Intercept Only除于InterceptAndCovariates再减去1就是假R2了。 第一章表就结束了。因为Logit不是线性模型，系数大小没有意义，要解释每个变量到底在多大程度上影响自变量，就有了第二张表，就是要汇报概率相对于解释变量变化的变化，也就是DependentVar的Derivative，下次再说。
（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。
（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。
（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression
。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。
（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。
