Mô hình logit là gì? Các công bố khoa học về Mô hình logit

Mô hình logit là gì?

Mô hình logit, hay còn gọi là hồi quy logistic, là một kỹ thuật thống kê được sử dụng để mô hình hóa mối quan hệ giữa một biến phụ thuộc nhị phân (binary dependent variable) và một hoặc nhiều biến độc lập (independent variables). Biến phụ thuộc trong mô hình logit thường mang hai giá trị, ví dụ như 0 và 1, thể hiện hai trạng thái có/không, đúng/sai, xảy ra/không xảy ra. Mô hình này giúp ước lượng xác suất xảy ra của một sự kiện nhất định dựa trên các yếu tố đầu vào. Điểm khác biệt chính của mô hình logit so với hồi quy tuyến tính là nó dùng hàm logistic (sigmoid function) để đảm bảo đầu ra là một xác suất hợp lệ trong khoảng từ 0 đến 1.

Hàm logistic và công thức mô hình logit

Trái tim của mô hình logit là hàm logistic, còn gọi là hàm sigmoid. Hàm này có dạng cong hình chữ S và giới hạn đầu ra trong khoảng (0, 1), rất phù hợp để mô hình hóa xác suất. Công thức xác suất trong mô hình logit được định nghĩa như sau:

$P(Y=1|X) = \frac{1}{1 + e^{-z}} = \frac{1}{1 + e^{-(\beta_0 + \beta_1 X_1 + \beta_2 X_2 + \ldots + \beta_k X_k)}}$

Trong đó:

• P(Y=1|X): xác suất sự kiện Y xảy ra khi biết các biến đầu vào X.
• z: tổng tuyến tính của các biến đầu vào nhân với hệ số hồi quy.
• β₀, β₁, ..., β_k: các hệ số hồi quy cần ước lượng từ dữ liệu.
• X₁, ..., X_k: các biến độc lập (có thể là số hoặc nhị phân).

Mô hình logit biến đổi tổng tuyến tính của các yếu tố dự đoán thành xác suất bằng hàm logistic, từ đó giúp dự đoán sự kiện xảy ra.

Biến đổi logit và odds ratio

Thay vì mô hình hóa trực tiếp xác suất, mô hình logit mô hình hóa log-odds, tức là logarit tự nhiên của tỷ số xác suất (odds). Điều này được thể hiện qua biểu thức:

$\log\left(\frac{P(Y=1)}{1 - P(Y=1)}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \ldots + \beta_k X_k$

Trong đó, biểu thức bên trái được gọi là logit (log-odds), và là hàm tuyến tính của các biến giải thích. Tỷ lệ odds (tỷ số xác suất xảy ra và không xảy ra) rất quan trọng trong việc diễn giải mô hình, đặc biệt là khi chuyển hệ số hồi quy về dạng odds ratio để dễ hiểu hơn:

$\text{Odds Ratio} = e^{\beta_i}$

Ví dụ, nếu β₁ = 0.7 thì odds ratio là e^0.7 ≈ 2.01, nghĩa là khi biến X₁ tăng một đơn vị, odds xảy ra sự kiện tăng gấp đôi.

Lý do không dùng hồi quy tuyến tính

Hồi quy tuyến tính không phù hợp với biến phụ thuộc nhị phân vì đầu ra có thể vượt quá giới hạn [0, 1], vi phạm tính chất xác suất. Ngoài ra, mô hình tuyến tính giả định phần dư có phân phối chuẩn và phương sai không đổi – điều này thường không đúng với dữ liệu nhị phân. Do đó, mô hình logit được ưu tiên nhờ khả năng mô hình hóa xác suất đúng theo bản chất của dữ liệu và đảm bảo tính nhất quán của mô hình.

Ứng dụng của mô hình logit

Mô hình logit được ứng dụng rộng rãi trong các ngành có nhu cầu dự đoán xác suất xảy ra của một hành vi, sự kiện hoặc kết quả cụ thể:

• Marketing: dự đoán xác suất khách hàng mua hàng, chuyển đổi quảng cáo, hoặc rời bỏ dịch vụ.
• Y tế: xác định nguy cơ mắc bệnh, sống sót sau điều trị, dự đoán tái nhập viện.
• Tài chính: đánh giá rủi ro tín dụng, dự đoán khả năng vỡ nợ hoặc gian lận tài chính.
• Chính trị: phân tích hành vi bầu cử, thái độ chính trị, khả năng tham gia biểu quyết.
• Nhân sự: dự đoán nhân viên nghỉ việc, tuyển dụng thành công, hiệu suất công việc.

Tham khảo thêm ứng dụng mô hình logit trong kinh doanh tại Harvard Business Review – Logistic Regression Refresher.

Ước lượng mô hình logit

Mô hình logit không thể ước lượng bằng phương pháp bình phương tối thiểu như hồi quy tuyến tính. Thay vào đó, nó sử dụng phương pháp hợp lý cực đại (maximum likelihood estimation - MLE). Quá trình ước lượng nhằm tìm bộ tham số β sao cho xác suất quan sát dữ liệu thực tế là cao nhất.

Hàm hợp lý của mô hình logit có dạng:

$L(\beta) = \prod_{i=1}^{n} P_i^{y_i}(1 - P_i)^{1 - y_i}$

Trong đó:

• P_i: xác suất sự kiện xảy ra ở quan sát thứ i.
• y_i: biến phản hồi nhị phân (0 hoặc 1).

Đánh giá mô hình logit

Sau khi xây dựng mô hình, ta cần đánh giá mức độ phù hợp và hiệu quả dự đoán của nó. Một số chỉ số phổ biến bao gồm:

• Giá trị p và hệ số β: kiểm tra ý nghĩa thống kê của từng biến.
• Chỉ số pseudo-R²: như McFadden R², đánh giá mức độ giải thích biến phụ thuộc.
• Ma trận nhầm lẫn (confusion matrix): xác định độ chính xác phân loại.
• AUC – ROC: đo lường khả năng phân biệt hai lớp.

Tham khảo cách đánh giá chi tiết tại Scikit-learn Model Evaluation.

Triển khai mô hình logit trong thực tế

Mô hình logit dễ dàng triển khai bằng các công cụ phân tích phổ biến:

Python

Dùng thư viện statsmodels hoặc scikit-learn:

from sklearn.linear_model import LogisticRegression  
model = LogisticRegression()  
model.fit(X_train, y_train)

R

Dùng hàm glm():

model <- glm(Y ~ X1 + X2, family = binomial(link = "logit"), data = dataset)

Stata, SPSS, SAS

Đều có lệnh hồi quy logit chuẩn như logit hoặc proc logistic.

Phân loại mở rộng: mô hình logit đa thức

Khi biến phụ thuộc có nhiều hơn hai trạng thái (đa phân loại), mô hình logit cơ bản không còn phù hợp. Thay vào đó, ta sử dụng mô hình logit đa thức (multinomial logit) hoặc logit thứ tự (ordinal logit). Đây là những biến thể mở rộng giúp mô hình hóa xác suất của nhiều lớp đầu ra.

Xem chi tiết tại The Elements of Statistical Learning – Hastie, Tibshirani & Friedman.

Kết luận

Mô hình logit là một công cụ phân tích mạnh mẽ và phổ biến trong thống kê và học máy, giúp ước lượng xác suất sự kiện nhị phân xảy ra dựa trên nhiều yếu tố đầu vào. Với khả năng xử lý tốt dữ liệu định tính, dễ diễn giải bằng odds ratio, và ứng dụng rộng rãi trong các lĩnh vực khác nhau, mô hình logit là lựa chọn hàng đầu cho các bài toán phân loại đơn giản, đồng thời đóng vai trò nền tảng cho các mô hình nâng cao hơn trong phân tích dữ liệu hiện đại.