Note this is the exact same value t

Note this is the exact same value that logit reported as the log likelihood for the model. We call this number LLM, i.e. the log likelihood for the model. If any other set of coefficient estimates had been used, the log likelihood would have been different – and not as good. In other words, the estimates we got were the most likely values to have produced the observed results.

結果 (繁體中文) 1:

請注意，這是Logit模型報告為模型對數似然值完全相同。我們撥打這個號碼LLM，即對模型對數似然。如果已經使用任何其他組係數估計的，對數似然會有所不同 - 而且沒有那麼好。換句話說，我們得到的估計是最有可能的值已經產生的觀察結果。

結果 (繁體中文) 2:

請注意，這是與日誌報告為模型的日誌可能性完全相同的值。我們調用此編號 LLM，即模型的日誌可能性。如果使用了任何其他係數估計值，則對數可能性會有所不同，而且不會那麼好。換句話說，我們得到的估計值是最有可能產生觀測結果的值。

結果 (繁體中文) 3:

注意，這與logit報告的模型的對數似然值完全相同。我們稱這個數位為LLM，即模型的對數似然。如果使用了其他的一組係數估計值，則對數似然性會有所不同，而且不會那麼好。換句話說，我們得到的估計值是最有可能產生觀察結果的值。