【Python】逻辑回归变量的显著性分析

模型结果的解释

coef：回归系数（Regression coefficient），即模型参数 β0、β1、…的估计值。
std err ：标准差（ Standard deviation），也称标准偏差，是方差的算术平方根，反映样本数据值与回归模型估计值之间的平均差异程度。标准差越大，回归系数越不可靠。
t：t 统计量（t-Statistic），等于回归系数除以标准差，用于对每个回归系数分别进行检验，检验每个自变量对因变量的影响是否显著。如果某个自变量 xi的影响不显著，意味着可以从模型中剔除这个自变量。
P>|t|：t检验的 P值（Prob(t-Statistic)），反映每个自变量 xi 与因变量 y 的相关性假设的显著性。如果 p<0.05，可以理解为在0.05的显著性水平下变量xi与y存在回归关系，具有显著性。
[0.025,0.975]：回归系数的置信区间（Confidence interval）的下限、上限，某个回归系数的置信区间以 95%的置信度包含该回归系数。注意并不是指样本数据落在这一区间的概率为 95%。
此外，还有一些重要的指标需要关注：
R-squared：R方判定系数（Coefficient of determination），表示所有自变量对因变量的联合的影响程度，用于度量回归方程拟合度的好坏，越接近于 1说明拟合程度越好。
F-statistic：F 统计量（F-Statistic），用于对整体回归方程进行显著性检验，检验所有自变量在整体上对因变量的影响是否显著。

相关阅读:
图书推荐管理系统Python+Django网页界面+协同过滤推荐算法
第五十五章学习常用技能 - 删除存储的数据
基于PSD-ML算法的语音增强算法matlab仿真
路由传参的方式
MySQL6
数据结构与算法基础-(2)
ROS Melodic安装
Nginx学习（二）
药品查询易语言代码
Mybatis plus

原文地址：https://blog.csdn.net/zfhsfdhdfajhsr/article/details/126923726