所有，
我对一组分类和连续变量进行了逻辑回归，并将二元事件作为因变量。
现在进行建模后，我观察到一组显示负号的分类变量，我认为应该理解，如果该分类变量出现的次数很多，则因变量出现的概率很低。
但当我看到该自变量出现的百分比时，我看到了相反的趋势。因此结果似乎是反直觉的。任何可能发生这种情况的原因。我尝试用伪示例解释下面的内容。
因变量 - E预测因子：1。分类变量 - 具有2个等级的Cat1（0,1）2。连续变量 - Con1 3.分类变量 - 具有2个等级的Cat2（0,1）后建模：说所有都是重要的并且系数如下所示，Cat1 - （ - 0.6）Con1-（0.3）Cat2 - （ - 0.4）
但是当我计算Cat 1上事件E的发生百分比时，我发现当Cat1为1时，出现的百分比很高，我认为这是违反直觉的。
请帮助理解这一点。
逻辑回归的系数与事件概率的变化没有直接关系，而是事件几率变化的相对量度。 This article详细推导了如何解释逻辑回归的系数。在你的上下文中，CAT1的系数是-0.6意味着p（E | CAT1 = 1）<p（E | CAT1 = 0）并且它与p（E | CAT1 = 1）的确切大小无关。