可以确定逻辑回归的 sigmoid 函数（曲线）在 R 中是否“合理”？

Question

我有一个关于 R 中逻辑回归函数的问题。我想知道是否有办法判断来自 glm 的预测曲线是否形状合理，例如与扁平曲线/直线相对的漂亮 S 形曲线？

我不确定是否有任何参数或值可以分析并提供相关信息...我计算了“边界”并给出了一个值，但即使该值在可接受的范围内（对于我们，在 1-50 之间），曲线有时会变得平坦/形状奇特。

以前，我研究过 AIC 和残差值，但我遇到了一个类似的问题，即“合理”的 AIC 和残差值会生成奇怪形状/平坦的曲线。

用于计算逻辑回归的标准代码：

glm.1 <- glm(response~stimuli, family = binomial(link="logit")
value <- -glm.1$coefficients[1]/glm.1$coefficients[2]

逻辑回归对我来说有点难以完全理解，因为我还在学习，所以对于任何混淆，我深表歉意！感谢您提供任何帮助/建议，谢谢！

Answer 1

经典方法是 Hosmer-Lemeshow Goodness of Fit 测试，您可以在 ResourceSelection 包中找到它（它是 hoslem.test）。这直接测试逻辑曲线的概率是否实际上与数据兼容。值得一读。

您还可以在逻辑回归中加入多项式（或其他）项，看看它们是否显着增加了模型拟合。