Stata中Logit回归的等效R ^ 2

Question

我在Stata中运行Logit回归。

1. 我怎么知道回归的解释力（在OLS中，我看R ^ 2）？

2. 使用其他自变量扩展回归是否有一种有意义的方法（在OLS中，我手动继续添加自变量并寻找调整后的R ^ 2;我的猜测是Stata应该简化这个手动过程） ？

Answer 1

R log 2的概念在logit回归中毫无意义，你应该完全忽略Stata输出中的McFadden Pseudo R2。 Lemeshow建议'评估一个自变量的显着性，我们用等式中的自变量比较D的值，用似然比检验（G）：G = D（没有变量的模型[B]） - D（带变量的模型[A]）。

似然比检验（G）：

H0：消除变量的系数都等于0

Ha：至少有一个系数不等于0

当LR测试p> .05不拒绝H0时，这意味着，从统计学角度来说，将额外的IV包含在模型中是没有优势的。

执行此操作的示例Stata语法是： logit DV IV1 IV2 估计商店A. logit DV IV1 商店B估计 lrtest A B //即测试A是否在B中'嵌套'

但是，请注意，在我们判断出logit模型是否“可接受”之前，还需要检查和测试更多方面。对于更多的详细信息，我建议访问： http://www.ats.ucla.edu/stat/stata/topics/logistic_regression.html

并咨询：

应用逻辑回归，David W. Hosmer和Stanley Lemeshow，ISBN-13：978-0471356325

Answer 2

我担心你在这里弄错了建模的基础：

1. 回归模型的解释力在理论上由你对系数的解释决定，而不是由R平方决定。 R ^ 2表示线性模型预测的方差量，这可能是您模型的适当基准。

2. 相同，模型中是否存在自变量需要实质性证明。如果您想了解在添加或减去模型的部分时R平方如何变化，请参阅help nestreg以获取有关嵌套回归的帮助。

总结一下：模型的解释力及其变量组成不能仅通过处理数字来确定。你首先需要一个足够的理论来建立你的模型。

现在，如果您正在运行logit：

• 阅读Long and Freese（第3章），了解对数似然如何收敛（或不收敛）。
• 不要指望找到像logit的R平方那样简单的东西。
• 在模型上使用logit diagnostics，就像在运行OLS后一样。

您可能还想阅读似然比率卡方检验或运行其他lrtest命令，如Eric所述。

Answer 3

我当然同意上述海报，对于像logit或probit这样的二进制模型，几乎任何R ^ 2的度量都不应该被认为是非常重要的。有很多方法可以看出模型在预测时的工作有多好。例如，请查看以下命令：

lroc 
estat class

此外，这是一篇很好的文章供进一步阅读： http://www.statisticalhorizons.com/r2logistic