Logistic Regression: A Self-Learning Text.
逻辑回归：自学教程AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：目录涉及通用分类回归教学，未明确经济主体的离散选择建模，不能仅凭多项或有序逻辑回归归入离散选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
逻辑回归：自学教程
- 研究问题
- 所给目录涵盖如何建立和解释逻辑回归模型、开展推断及模型诊断，并处理匹配、多分类、有序与相关数据等教学问题。
- 方法与思路
- 材料列出优势比、最大似然、交互与混杂、拟合优度、ROC 曲线，以及匹配分析、不同结果类型和 GEE 等教学主题。
- 材料陈述的贡献
- 目录显示该文本覆盖逻辑回归的建模、解释和诊断工具，但没有提供新的理论结果、实证发现或与其他教材的比较证据。
- 阅读关注点
- 应核对实际文本版本及条目性质，关注各模型的抽样条件、参数解释、相关数据处理，以及拟合诊断与区分能力的区别。
- 阅读边界
- 所给版本未注明的索引材料是目录式文本，无法确认条目对应教材本体还是书评，也不能据此判断各章细节或后续版次。
原文摘要
to Logistic Regression.- Important Special Cases of the Logistic Model.- Computing the Odds Ratio in Logistic Regression.- Maximum Likelihood Techniques: An Overview.- Statistical Inferences Using Maximum Likelihood Techniques.- Modeling Strategy Guidelines.- Modeling Strategy for Assessing Interaction and Confounding.- Additional Modeling Strategy Issues.- Assessing Goodness of Fit for Logistic Regression.- Assessing Discriminatory Performance of a Binary Logistic Model: ROC Curves.- Analysis of Matched Data Using Logistic Regression.- Polytomous Logistic Regression.- Ordinal Logistic Regression.- Logistic Regression for Correlated Data: GEE.- GEE Examples.- Other Approaches for Analysis of Correlated Data.