logit模型怎么用 请教面板Logit模型具体如何操作

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。

logistic回归是直接估计概率，而logit模型对概率做了Logit转换。这里，一般情况下可以换用，这两种分布函数的公式很相似，我可以先简单的回答你这个问题，2001，唯一的区别是形式有所不同，通常人们将“Logistic回归”、“Logistic模型”如果要弄清楚原理，当因变量是名义变量时、“Logistic回归模型”及“Logit模型”的称谓相互通用，关键是看因变量类别的多少，北京，SPSS软件好像将以分类自变量构成的模型称为Logit模型，而后者假设随机变量服从正态分布，如果因变量是序次变量：高等教育出版社。

另外。至于是二元还是多元。

其次。不过，你基本上可以弄清楚概率估计模型，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，Logistic回归模型——方法与应用。

首先，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、郭志刚，向你推荐一本不错的书，来指同一个模型，Logit和Probit没有本质的区别。浏览一下这三本书的相关内容，回归时只能用有序Probit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。

其实，至于网上有没有电子版的书我就不太清楚了。但是，函数值相差也并不大，多元是二元的扩展，前者假设随机变量服从逻辑概率分布。

区别在于采用的分布函数不同：王济川。

多分类无序logit回归

1.打开数据，依次点击：分析--回归--多分类。

2.将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量（单变量拉入一个，多因素拉入多个）。

?3.设置因变量参考水平

4.等级资料，连续资料不需要设置虚拟变量。多分类变量需要设置虚拟变量。

虚拟变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。

5.选项里面至少选择95%CI。

点击ok。

统计专业研究生工作室原创，请勿复杂粘贴

Logit模型（Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression，“逻辑回归”）是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。

是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。Logit模型是最早的离散选择模型，也是目前应用最广的模型。Logit模型是Luce(1959)根据IIA特性首次导出的；Marschark(1960)证明了Logit模型与最大效用理论的一致性。

Logit模型的应用广泛性的原因主要是因为其概率表达式的显性特点，模型的求解速度快，应用方便。

扩展资料

根据Logit模型的IIA特性，选择枝的减少或者增加不影响其他各选择之间被选概率比值的大小，因此，可以直接将需要去掉的选择枝从模型中去掉，也可将新加入的选择枝添加到模型中直接用于预测。

与概率不同，Logit的一个很重要的特性就是没有上下限——这就给建模带来极大方便。

Logit模型能够在一定程度上克服模型事后预测事前事件的缺陷，综合了FR模型中FR概率分析法和KLR模型中信号分析法的优点，但是，它只是在利率、汇率等几个主要金融资产或经济指标的基础上预警投机冲击性货币危机，与一般货币危机预警还有所差异。

参考资料来源：搜狗百科-logit模型

|命令格式：

nlogit depvar [indepvars] [if] [in] [weight] [|| lev1_equation [|| lev2_equation 。]] || altvar: [byaltvarlist], case(varname) [nlogit_options]

例：

webuse restaurant

nlogitgen type = restaurant(fast: Freebirds | MamasPizza, family: CafeEccell | LosNortenos | WingsNmore, fancy: Christophers | MadCows)

nlogittree restaurant type, choice(chosen) case(family_id) . nlogit chosen cost distance rating || type: income kids, base(family) || restaurant:, noconst case(family_id)