了解逻辑回归的结果
让我们假设我们有以下数据与二进制响应输出（优惠券）
每年消费在第1000个单位，我的目标是估计客户是否花2000多，并有Simmons卡，也将有优惠券，首先我根据反应数据sorting数据，我有下图
在下一阶段，我已经计算出每个数据的logit，对于那些最初我select下面的系数
B0 0.1 B1 0.1 B2 0.1 我已经按照下面的公式计算了L
在下一阶段，我已经计算出e ^ L（这在Excel中可以通过exp函数轻松完成）
=EXP(D2)
之后，我有计算概率
=E2/(1+E2)
最后用公式 
我已经计算了对数似然函数
那么我已经计算出了总和，并使用求解器我已经计算出的系数，使这个总和最小（请注意，值给出了负值），但我已经得到所有系数为零
我错了 ？ 或者这是否意味着我可以预测年度支出和拥有Simmons卡购买优惠券？ 提前致谢
您可以根据年度消费预测购买优惠券（并且了解Simmons卡不会有帮助）。
诚然，我没有在Excel中解决它，但我怀疑问题可能是你的优化没有收敛（即通过求解过程没有达到正确的系数） – 正确的系数是B0 = 5.63，B1 = -2.95，B2 = 0。我在http://blog.excelmasterseries.com/2014/06/logistic-regression-performed-in-excel.htmlfind了Excel逻辑回归程序的在线参考。
我自己运行逻辑回归，发现年度支出是显着的（在0.05水平），而Simmons卡不是。 使用Simmons卡重新运行模型将产生以下等式：
L = 5.63 - 2.95 * Annual spending P(1) = exp(L)/(1 + exp(L)) If P(1) > 0.5 => coupon = 1
虽然熵方差在0.39（数据点的数量非常less），但是该模型具有统计显着性。