1. Learn
    2. /
  2. 课程
    3. /
  3. R 中的信用风险建模
Connected

道练习

逻辑回归模型中的多个变量

当在模型中包含多个变量时，单个参数的解释方式仍然适用。只是在解释某个变量变化的影响时，默认其他变量保持不变，也就是不发生变化。这通常用一个拉丁语短语表示：ceteris paribus，字面意思是"其他条件相同"。

要构建含有多个变量的逻辑回归模型，您可以使用 + 号来添加变量。公式类似于：

y ~ x1 + ... + xk

在评估模型时，需要注意多方面内容。您已经查看过参数取值，但这并非唯一重要的信息。某个参数估计的统计显著性同样重要。参数的显著性通常用 p 值 表示，不过在模型输出中会记作 Pr(>|t|)。在 glm 的输出里，轻度显著用"."标记，极强显著用"***"标记。当某个参数不显著时，表示您无法保证该参数与 0 显著不同。统计显著性很关键。一般来说，只有对显著的参数，解释其对违约的影响才有意义。

说明

100 XP
  • 使用 glm() 函数和 training_set 创建一个逻辑回归模型。包含变量 age、ir_cat、grade、loan_amnt 和 annual_inc。将该模型命名为 log_model_multi。
  • 结合我们的模型使用 summary() 获取显著性水平。关于显著性水平的含义，您将在下一个练习中进一步学习！