将SAS Proc Logistic复现到Python逻辑回归的参数匹配问题

已完成的参数对齐操作 #

• SAS采用无惩罚回归，Python已设置penalty='none'
• SAS默认收敛准则为GCONV=1E-8，Python已将tol参数调整为1e-8
• 使用Python默认的solver='lbfgs'

代码对比 #

SAS代码 #

proc logistic DESCENDING data=dataset_name;
model target_var=&modelvariables/ selection = none CLPARM=WALD lackfit RSQ STB ;
output out=result p=pred;
run;

Python代码 #

clf=LogisticRegression(penalty='none',solver='lbfgs',tol=0.00000001)
clf.fit(X, y)

结果差异现象 #

对比输出结果后发现：

• 截距存在明显差值（示例：SAS截距为-7.03，Python为-5.21）
• 其中一个变量的系数符号完全相反（示例：SAS系数为2.56，Python为-2.45）
• 其余变量的系数在四舍五入到一位小数后能够匹配

疑问 #

Python还需要调整哪些参数，才能让两者的截距和变量系数在小数点后几位内保持一致？

内容的提问来源于stack exchange，提问作者Bond007