python - 似然比检验和伪Rsquared显着不同（逻辑回归）

我应用了logistic regression，我想测试整体模型的统计显着性。

现在，伪Rsquared （McFaddon）Rsquared = 1 - L(c)/L(null)返回模型解释的方差-其中L(c)表示拟合模型中的最大似然值，{{ 1}}表示空模型的相应值（没有协变量，只有截距）。

可能性检验统计量为L(null)，遵循LR = 2 * (L(c) - L(null))分布，可以根据模型的自由度对其进行显着性检验。

无论如何，我使用Chi-squared来计算高度有效的Chi-squared，但是 p-value在pseudo Rsquared附近？

为什么Rsquared和总体p值相差如此大？

使用一些测试数据0.021的准确性计算，我发现测试数据的准确性仅约为55％（对于训练数据，其准确性约为60％）。

有人可以帮助我解释我的结果吗？

也许存在很大的相关性，但是影响仍然很小：由于您正在进行分类，因此您可以检查具有此变量（在二进制情况下为= 1）的示例是否具有较高/较低的概率。属于第1类的成员，而不是没有该变量的成员（在二进制情况下为= 0）：

变量为1的示例有50％的可能性属于1类，而变量为0的示例有48％的机会属于1类。

如果存在许多具有该变量的示例，则效果可能仍然很明显（p值），但仅靠其很难预测正确的类（解释方差-r平方）。