逻辑回归与R和Python的不同结果？

Question

我在这两个项目中都使用了logistic回归方法，想知道为什么我得到了不同的结果，尤其是在系数方面。结果，感染，是（1，0）和冲洗是一个连续变量。在

Python：

import statsmodels.api as sm
logit_model=sm.Logit(data['INFECTION'], data['Flushed'])
result=logit_model.fit()
print(result.summary())

结果：

^{pr2}$

右侧：

mylogit <- glm(INFECTION ~ Flushed, data = cvc, family = "binomial")
summary(mylogit)

结果：

Call:
glm(formula = INFECTION ~ Flushed, family = "binomial", data = cvc)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.0598  -0.3107  -0.2487  -0.2224   2.8051  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept) -3.91441    0.38639 -10.131  < 2e-16 ***
Flushed      0.22696    0.06049   3.752 0.000175 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Answer 1

在Python逻辑模型中似乎缺少常量（offset）参数。在

要使用R的公式语法，需要拟合两个不同的模型：

Python model: INFECTION ~ 0 + Flushed
R model     : INFECTION ~ Flushed

要向Python模型添加常量，请使用sm.add_constant(...)。在