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。
本练习是课程的一部分
R 中的信用风险建模
练习说明
- 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!
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Build the logistic regression model
# Obtain significance levels using summary()