statsmodels的Logit更适合显著性检验，因其提供p值、标准误、z统计量及Wald检验结果；需手动添加截距、确保输入为数值型一维y和X，并处理尺度、分离、共线性等问题以避免收敛警告。
statsmodels 的 Logit 为什么比 sklearn.linear_model.LogisticRegression 更适合做显著性检验？
因为 sklearn 默认不提供系数的 p-value、std err、z-stat 等统计量，它专注预测而非推断；而 statsmodels 的 Logit 拟合后直接支持 .summary()，能输出完整的 Wald 检验结果，包括每个变量的显著性、置信区间和模型整体的 LLR p-value。
注意：必须手动添加常数项（截距），statsmodels 不默认加；且输入数据不能是 DataFrame 的多级索引或含非数值列，否则会报 ValueError: endog must be one-dimensional。
- 用
sm.add_constant(X)显式添加截距列 - 确保
y是一维numpy.ndarray或pd.Series，值为 {0, 1}（不是字符串或分类类型） - 避免在
X中混入object类型列，Logit不自动编码类别变量
如何正确准备输入数据并避免 ConvergenceWarning？
收敛失败通常源于特征尺度差异过大、存在完全分离（perfect separation）或样本量过小。不是调大 maxiter 就能解决，得先排查数据本身。
- 对连续特征做标准化（
StandardScaler）或归一化，尤其当变量单位差异大（如年龄 vs. 收入）时 - 检查是否存在某特征能 100% 区分正负样本（例如某列中所有
y==1对应的值都 >5，而y==0都 ≤5），此时用Firth logistic regression（statsmodels.discrete.discrete_model.FirthLogit）更稳健 - 删除方差为 0 的列（
X.nunique() == 1）和高度共线性列（np.linalg.cond(X.T @ X) > 1e12）
怎样从 result.summary() 提取关键统计量用于自动化报告？
result.summary() 返回的是格式化字符串，不适合直接解析；要用 result.summary2().tables[1] 获取带列名的 DataFrame，或直接访问属性。
立即学习“Python免费学习笔记（深入）”；
-
result.pvalues：返回Series，索引为变量名，值为对应p-value -
result.conf_int(alpha=0.05)：返回DataFrame，两列为0.025和0.975置信边界 -
result.llr_pvalue：模型整体似然比检验的p-value（原假设：所有系数为 0） - 若需输出 LaTeX 表格，用
result.summary2().as_latex()，但注意它不包含 Wald 卡方统计量，只含 z 值
为什么 coef_ 和 params 数值一致但解释不同？
sklearn 的 coef_ 是 log-odds（对数优势比），statsmodels 的 params 也是同一含义——二者数学定义完全相同。差异只在于后续解读方式：前者常被误当成“影响强度”直接比较，后者在 summary() 中强制你看到标准误和显著性，防止过度解读。
真正容易忽略的是：log-odds 不能直接相加或跨模型比较大小。比如 age 系数为 0.05，不代表“年龄每增 1 岁，概率增加 5%”，而是“优势比乘以 exp(0.05) ≈ 1.051”。要算边际效应（dy/dx），得用 result.get_margeff(at='mean')，而不是看系数本身。
