如何解释逻辑回归系数

计算逻辑回归系数的均值边际效应

你喜欢逻辑回归，但又讨厌解释任何带有对数转换的东西吗？嗯，我不能说你有很好的伴侣，但我可以说你有我作为伴侣！

在本文中，我将讨论解释逻辑回归系数的所有内容 – 下面是大纲：

解释线性回归系数

大多数具备统计基础知识的人完全理解如何解释线性回归系数。如果你是其中之一，你可以考虑跳过本文中讨论逻辑回归系数的部分。

解释线性回归系数非常简单和容易。尽管有了更复杂的算法，线性回归之所以仍然是一个非常流行的工具，解释的简单性就是其中一个原因。

简单线性回归（只有一个输入变量的线性回归）的形式如下：

我们主要关心解释 B₁。对于线性回归，这种解释很简单 – 对于x的一个单位变化，我们期望y有一个 B₁ 的变化。这种关系的另一种说法是“均值边际效应”。

让我们通过模拟来看一下如何解释 B₁。模拟是测试数据科学工具/方法的一个很好的工具，因为我们可以制定基准真相，然后看看我们的方法是否能够识别它。

在下面的代码中，我们模拟了30,000行的x值。我们通过从我们选择的参数（在这种情况下是平均值2和标准差0.2的正态分布）中抽样来模拟x值。然后，我们通过将x乘以我们模拟的影响0.16来模拟y，然后我们添加随机误差…