Question

从效用理论角度解释什么是logit模型

Answer 1

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。

Logit模型是一种用于二元分类问题的统计模型。它使用对数几率函数(logit function)来模拟对结果的预测, 从而可以对结果进行线性建模。这样可以使用线性回归技巧来估计参数并进行预测。另外，由于Logit模型的输出是在0和1之间的概率值，因此它也可以用来模拟逻辑回归。

关于logit和logistic模型的区别：

一、主体不同。

1、logit模型：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。

2、logistic模型：又称logistic回归分析，logistic回归的因变量可以是二分非线性差分方程类的，也可以是多分类的。

二、特点不同。

1、logit模型：因变量不是常规的连续变量，而是对数发生比率，尽管每个自变量的估计系数含义与一般线性回归一样，数的经济学含义，较方便的做法是将Logit进行转换后再进行解释，而不是直接解释系数本身,即将回归模型等式两侧取自然指数。

2、logistic模型：如果已经建立了logistic回归模型，则可以根据模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。