我正在使用 MATLAB 对一个简单的分类问题进行逻辑回归。我的协变量是一个介于 0 和 1 之间的连续变量，而我的分类响应是 0（不正确）或 1（正确）的二进制变量。
我正在寻找运行逻辑回归来建立一个预测器，该预测器将输出一些输入观察（例如，如上所述的连续变量）正确或不正确的概率。虽然这是一个相当简单的场景，但我在 MATLAB 中运行它时遇到了一些麻烦。
我的方法如下：我有一个X包含连续变量值的列向量，以及另一个大小相等的列向量Y，其中包含每个值的已知分类X（例如 0 或 1）。我正在使用以下代码：
[b,dev,stats] = glmfit(X,Y,'binomial','link','logit');
然而，这给了我一个非常高的p = 1.000系数 ( )（-650.5, 1320.1）和 1e6 数量级的相关标准误差值的荒谬结果。b
然后我尝试使用一个附加参数来指定我的二项式样本的大小：
glm = GeneralizedLinearModel.fit(X,Y,'distr','binomial','BinomialSize',size(Y,1));
这给了我更符合我预期的结果。glmval我提取了用于创建估计值的系数( Y_fit = glmval(b,[0:0.01:1],'logit');)，并为拟合创建了一个数组 ( X_fit = linspace(0,1))。当我使用 覆盖原始数据和模型figure, plot(X,Y,'o',X_fit,Y_fit'-')的图时，模型的结果图基本上看起来像逻辑回归图典型的“S”形图的下 1/4。
我的问题如下：
1）为什么我的使用会glmfit给出奇怪的结果？
2）我应该如何解决我最初的问题：给定一些输入值，其分类正确的概率是多少？
3) 如何获得模型参数的置信区间？glmval应该能够从 输入stats输出glmfit，但我的使用glmfit没有给出正确的结果。
任何评论和输入都会非常有用，谢谢！
更新（3/18/14）
我发现这mnrval似乎给出了合理的结果。我可以使用[b_fit,dev,stats] = mnrfit(X,Y+1);whereY+1简单地将我的二元分类器变成一个名义分类器。
我可以循环[pihat,lower,upper] = mnrval(b_fit,loopVal(ii),stats);获取各种pihat概率值，其中loopVal = linspace(0,1)或一些适当的输入范围和“ii = 1:length(loopVal)”。
该stats参数具有很大的相关系数（0.9973），但 p 值为b_fit0.0847 和 0.0845，我不太确定如何解释。有什么想法吗？另外，为什么要在我的例子中mrnfit工作？glmfit我应该注意到，使用时系数的 p 值GeneralizedLinearModel.fit都是p<<0.001，并且系数估计也有很大不同。
最后，如何解释函数的dev输出mnrfit？MATLAB 文档指出它是“解向量处拟合的偏差。偏差是残差平方和的概括。” 这是作为一个独立的值有用，还是仅与dev其他模型的值相比？
