关于logit和logistic模型的区别

　（1）二者的根本区别在于广义化线性模型中的联系函数的形式。logit采用对数形式log(a)，logistic形式为log(a/1-a)。

（2）应用上，普通logistic的响应变量是二元的，多元logistic的因变量可为多元。logit的响应变量可以是多元的。

（3）统计软件spss中：logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间；logistic属于回归分析，分析结果为估计出自变量参数。regression下有Binary logistic regression和 Multinomial logistic regression 。因变量只取0和1时用的就是Binary logistic regression 。而Multinomial logistic regression 分为多分类无序因变量和多分类有序因变量的logistic回归。即因变量多于两个的。

（4）当因变量是多类的，可以采用logistic，也可以用logit，计算结果并无多少差别。

如果是binary choice的话用logit， stata 用logit的命令就行吧。如果是有很多choices， 就用multinormial logit，stata的命令是mlogit。

你好，

logit回归不能使用序类变量作为因变量的，你的fragility取值是1,2,3，所以不满足这个条件。logit通常用于估计因变量取值为0或者1的模型。

如果你非要估计这类模型不可，那么请参考mlogit命令的帮助命令

希望能帮到你

probit与logit的区别为：

1、意思不同，probit为概率单位，logistic为数理(符号)逻辑。

2、用法不同，probit模型服从正态分布，Logit模型是离散选择模型。

3、侧重点不同，probit根据常态频率分配平均数的偏差计算统计单位，logistic是离散选择法模型之一。

logit和probit的区别：y = x'b + e中，对e的分布的设定不同。logit模型中，e服从标准logistic分布；probit模型中，e服从标准正态分布。两个模型估算的边际效应的差别主要体现在对尾部数据的解释上，但logit模型简单直接，应用更广。

离散选择模型的软件很多，有limdep，elm、nlogit等。spss180中能做2元和多元logit模型。stata，sas，guass都能做logit模型。入门级的软件是spss和elm，后者可以做多元logit和分层logit。但是elm必须购买注册号才能使用。

logistic离散选择法模型之一，Logit模型是最早的离散选择模型：probit是根据常态频率分配平均数的偏差计算统计单位。两个方法之间也是有关联的，通常情况下，probit回归估计出的参数值乘以1814，大致会等于logistic回归中的参数值。

以上就是关于关于logit和logistic模型的区别全部的内容，包括:关于logit和logistic模型的区别、帮我处理数据， 用logit 模型、stata logit 模型求助等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！