什么是logit模型？

Logit模型(又译作“评价模型”、“分类评价模型”、“逻辑回归”)是离散选择模型之一。Logit模型是最早的离散选择模型，也是目前应用最广泛的模型。

它是社会学、生物统计学、临床、数量心理学、计量经济学和市场营销学中常用的统计实证分析方法。Logit模型是最早的离散选择模型，也是目前应用最广泛的模型。Logit模型最早是由Luce(1959)根据IIA特性推导出来的。Marschark(1960)证明了Logit模型与最大效用理论的一致性。

Logit模型的广泛应用主要是由于其概率表达方式、求解速度快、应用方便等优势特点。

扩展数据

根据Logit模型的IIA特征，选择分支的减少或增加并不影响选择概率在其他选择中的比例。因此，需要移除的选定分支可以直接从模型中移除，或者新添加的选定分支可以添加到模型中进行直接预测。

与概率不同，Logit的一个很重要的特点就是没有上下限，这给建模带来了很大的便利。

Logit模型可以在一定程度上克服模型在预测事前事件方面的缺陷，综合了FR模型中FR概率分析方法和KLR模型中信号分析方法的优点。但只是基于几个主要的金融资产或经济指标，如利率、汇率等，不同于一般的货币危机预警。

百度百科-logit模型