logit模型例题逻辑回归模型应用实例 _经验知识

此前介绍了在线性回归模型中不同变量效应大小的比较方法。在Logit、Ologit概率模型中。beta选项不能使用。在此介绍概率模型中的输出标准化系数的方法
标准化系数是什么？标准化系数是指将数据标准化后计算得到的回归系数。数据进行了标准化后可以取消不同变量量纲的影响为了比较模型中不同变量效应的大小。需要进行标准化处理。例如：足球比赛中。比较射门、罚球点球对积分的影响效应大小。自变量：射门、罚球点球；因变量：比赛结果。根据回归系数可知自变量每增加一个单位。引起的对因变量的影响大小。但两者相比。谁的影响更大则需要进行标准化处理
注：数据为足球技战术指标（因变量：比赛结果（Mdf,胜3、平2、负1；Mdf1,不败1、负0）；自变量：射门shoot、罚球点球dq）；数据、模型结果为举例说明。不代表真实情况。
方法一：标准化变量再回归【logit模型例题逻辑回归模型应用实例】（注：仅适用于ologit模型。logit模型不适用）
将原始的变量转化成无量纲的标准化数据。使得回归后的系数具有可比性
第一步对变量进行标准化处理生成新变量t_Mdf、t_shoot、t_dq
egent_Mdf=std(Mdf)//变量标准化egent_shoot=std(shoot)//变量标准化egent_dq=std(dq)//变量标准化
第二步对标准化后的数据进行拟合ologitt_Mdft_shoott_dq,nolog//输出结果为标准化后的系数