← 返回工具箱

🎯逻辑回归分析

预测"是/否"类结果的概率，分析哪些因素影响结果发生的可能性

💡 适用场景：客户是否会购买、用户是否会流失、贷款是否会违约、邮件是否是垃圾邮件
正在加载计算引擎...
📊 真实行业案例 免费开放

来自金属加工、电商运营、生产制造等行业的真实数据分析案例，点击即可加载数据并获得专业解读

⏳
加载案例中...

📝 输入数据

📁 上传文件
✏️ 手动输入
📁

拖拽文件到此处，或 点击上传
支持 CSV、Excel (.xlsx)

例如：广告投放费用, 客户接触次数

0 = 未发生（如未购买），1 = 发生（如已购买）

用逗号分隔，便于理解结果

📊 分析结果

🎯

输入数据后点击"开始分析"

准确率 系数 图表 解读 预测

模型准确率

--

伪R²: --

样本数量 --
正例（Y=1）数量 --
模型卡方检验 p值 --
📋 各变量影响分析
变量 系数 优势比(OR) p值 显著性
📈 优势比图表
💡 统计解读
🔮 预测新值
输入新的 X 值，预测事件发生概率
🐍查看 Python 代码▼ 

                        

                    

                

            


            

                
📖 逻辑回归是什么？

                

                    
逻辑回归是一种用于预测二分类结果（是/否、成功/失败、购买/未购买）的统计方法。它能告诉你各个因素对结果发生概率的影响程度。

                    
🎯 适用场景

                    
    
                        
  • 客户转化预测 - 预测潜在客户是否会购买
    • 
                        
  • 用户流失预警 - 预测用户是否会流失
    • 
                        
  • 风险评估 - 预测贷款是否会违约
    • 
                        
  • 营销响应分析 - 预测用户是否会响应营销活动
    • 
                    

                    
📊 如何解读结果

                    
    
                        
  • 系数为正 → 该变量增加时，事件发生概率增加
    • 
                        
  • 系数为负 → 该变量增加时，事件发生概率降低
    • 
                        
  • 优势比(OR) > 1 → 该变量每增加1单位，事件发生的"优势"增加(OR-1)×100%
    • 
                        
  • 优势比(OR) < 1 → 该变量每增加1单位，事件发生的"优势"降低(1-OR)×100%
    • 
                        
  • p值 < 0.05 → 该变量的影响是统计显著的
    • 
                    

                

            


            
            

                
📊 探索更多统计工具

                
19 个统计工具免费使用，涵盖假设检验、回归分析、聚类分析等

                查看全部工具 →
            

        

    


    

    
    


    

        

            
            
正在计算...