什么时候用 Logistic 回归？
当因变量是分类变量而不是连续变量时，直接套用线性回归并不合适——线性模型的预测值可能超出类别的取值范围。 Logistic 回归对自变量的线性组合做对数几率（logit）变换，把结果映射到 0 至 1 之间，用于估计事件发生的概率。
常见场景包括：是否发生某事件（二分类）、满意等级（有序多分类）、职业类型或品牌选择（无序多分类）， 以及就诊次数、事故次数等计数数据。因变量类型不同，应选用不同的家族方法。
四种情形怎么选？
- 二分类因变量（发生 / 未发生）：二分类 Logistic 回归，输出各项的优势比 OR。
- 有序多分类因变量（轻 / 中 / 重、很不满意→很满意）：有序 Logistic 回归，输出累积优势比 OR。
- 无序多分类因变量（职业类型、品牌选择）：多元（多项）Logistic 回归，为每个非参照类别估计一组 OR。
- 计数因变量（次数、事件数）：计数回归（Poisson 或负二项），输出率比 IRR。
由因变量类型决定方法
先明确因变量是「两类、有序多类、无序多类」还是「计数」，再据此选择模型；自变量通常是连续或可编码的分类变量。
常见误区
把有序类别当作无序多分类？会浪费等级顺序信息，在满足比例优势假设时，有序模型往往更简洁、检验力更高。
把计数数据当连续变量做线性回归？可能得到无意义的负值预测，计数回归更贴合数据的整数与非负特性。
优势比 OR 怎么解读？
Logistic 回归最重要的结果指标是优势比 OR（odds ratio）。 对连续自变量来说，自变量每增加 1 个单位，事件发生的优势（odds）变为原来的 OR 倍。 优势与概率不同：优势 = 发生概率 ÷ 不发生概率。
OR 的例子
以「是否购房」为因变量、年收入（万元）为自变量，得回归系数 b=0.405， 则 OR = e0.405 ≈ 1.50。
解读：年收入每增加 1 万元，购房的优势变为原来的约 1.50 倍（即增加约 50%）。
若某项 OR=0.75，则表示该自变量每增加 1 个单位，事件优势变为原来的 0.75 倍，即下降约 25%。
- OR 大于 1：自变量增大时，事件发生优势上升。
- OR 等于 1：自变量对该事件发生优势没有影响。
- OR 小于 1：自变量增大时，事件发生优势下降。
- 当 OR 的 95% 置信区间不包含 1 时，通常认为该自变量在 α=0.05 水平上与因变量显著相关。
模型评估与结果报告
整体拟合与伪 R²
伪 R²（如 McFadden、Nagelkerke）可作参考，但数值通常偏小，不宜与线性回归的 R² 直接比较。
拟合优度与分类表现
可用 Hosmer-Lemeshow 检验、分类准确率等辅助判断拟合情况。 但类别严重不平衡时，准确率会失真，宜结合灵敏度、特异度或 ROC 曲线评估。
样本量与事件数
每个自变量需要足够的事件数，事件数过少时系数与 OR 会不稳定，置信区间偏宽甚至无法估计。 预估时应基于设计阶段，而非事后用实际数据反推。
常见误区
常见误区
把 OR 当作风险比 RR？二者含义不同：OR 比较的是优势，RR 比较的是风险。当事件发生率较高时，OR 与 RR 差异明显，不宜直接换算。
伪 R² 与线性 R² 相提并论？伪 R² 的量级与含义都不同，一般只作相对比较或参考。
用准确率评估不平衡数据？类别不平衡时，高准确率可能只反映多数类，掩盖对少数类的不佳表现。
样本量或事件数不足？会导致结果不稳、OR 置信区间过宽，结论难以复现。
小结
- 因变量为分类或计数变量时使用 Logistic 回归家族，按因变量类型选择具体模型。
- 二分类用 Logistic，有序多分类用有序 Logistic，无序多分类用多元 Logistic，计数用 Poisson / 负二项。
- OR 大于 1 表示优势上升，等于 1 表示无影响；置信区间不含 1 对应显著。
- 伪 R² 仅作参考，评估拟合需结合 Hosmer-Lemeshow、ROC 或分类指标，并注意事件数是否充足。