本文目录一览

1，什么是响应变量

就是根据自变量发生改变的变量，你可以理解为因变量

什么是响应变量

2，如何计算多目标决策模型各个响应变量的权重

运用层次分析法：1、将问题层次化：目标层、准则层和方案层；2、分别将5个准则对满意度这一目标进行两两比较，求出它们于目标的重要性的比例标度，标度等级为1，2，……1/2,1/3,……,1/9。得到两两比较判断矩阵
搜一下：如何计算多目标决策模型各个响应变量的权重
搜一下：如何计算多目标决策模型各个响应变量的权重

如何计算多目标决策模型各个响应变量的权重

3，doe 响应变量y有哪几种类型

doe中响应变量y有哪几种类型变量就相当于数学方程中的x，y，可以对其赋值运算等操作，变量分为整型，浮点型，以及字符型
变量就相当于数学方程中的x，y，可以对其赋值运算等操作，变量分为整型，浮点型，以及字符型
doe 响应变量y有哪几种类型变量就相当于数学方程中的x，y，可以对其赋值运算等操作，变量分为整型，浮点型，以及字符型

doe 响应变量y有哪几种类型

4，关于logit和logistic模型的区别

（1）二者根本区别于广义化线性模型联系函数形式logit采用数形式log(a)logistic形式log(a/1-a)　　（2）应用普通logistic响应变量二元元logistic变量元logit响应变量元　　（3）统计软件spss：logit属于数线性模型析结主要变量自变量间关系细化各类变量与类自变量间；logistic属于归析析结估计自变量参数regressionBinary logistic regression Multinomial logistic regression 变量取01用Binary logistic regression Multinomial logistic regression 类序变量类序变量logistic归即变量于两　　（4）变量类采用logistic用logit计算结并少差别
（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。

5，logit 和logistic模型的区别

（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。
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。

6，logit模型

如果要弄清楚原理，可以看格林或平狄克的计量经济学，上面有比较详细的讲解。另外，向你推荐一本不错的书：王济川、郭志刚，Logistic回归模型——方法与应用，北京：高等教育出版社，2001。浏览一下这三本书的相关内容，你基本上可以弄清楚概率估计模型，至于网上有没有电子版的书我就不太清楚了。这里，我可以先简单的回答你这个问题。首先，通常人们将“Logistic回归”、“Logistic模型”、“Logistic回归模型”及“Logit模型”的称谓相互通用，来指同一个模型，唯一的区别是形式有所不同：logistic回归是直接估计概率，而logit模型对概率做了Logit转换。不过，SPSS软件好像将以分类自变量构成的模型称为Logit模型，而将既有分类自变量又有连续自变量的模型称为Logistic回归模型。至于是二元还是多元，关键是看因变量类别的多少，多元是二元的扩展。其次，当因变量是名义变量时，Logit和Probit没有本质的区别，一般情况下可以换用。区别在于采用的分布函数不同，前者假设随机变量服从逻辑概率分布，而后者假设随机变量服从正态分布。其实，这两种分布函数的公式很相似，函数值相差也并不大，唯一的区别在于逻辑概率分布函数的尾巴比正态分布粗一些。但是，如果因变量是序次变量，回归时只能用有序Probit模型。有序Probit可以看作是Probit的扩展
（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。

文章TAG：响应  应变量  变量  什么  响应变量  
下一篇