在logistic回归分析中，其他条件不变，仅自变量“性别”赋值由0、1改变为1、2，则“性别”变量的（）A. 回归系数值保持不变B. 回归系数值变为原来的1/2C. 回归系数值变为原来的2倍D. 回归系数值变为原来的e(1/2)倍

本题考察logistic回归中自变量赋值变化对回归系数的影响，核心在于理解logistic回归的数学本质——模型通过对数几率比（logit）建立线性关系，自变量的编码方式仅影响截距项，不影响回归系数的实际意义和数值大小。

关键分析

logistic回归的核心公式为：
$\log\left(\frac{P}{1-P}\right) = \beta_0 + \beta_1 X$
其中，$P$是因变量的事件发生概率，$X$是自变量（如性别），$\beta_1$是回归系数。

1. 原赋值（0,1）的情况

设性别$X_1$赋值为：男性=0，女性=1，则模型为：
$\log\left(\frac{P_1}{1-P_1}\right) = \beta_{01} + \beta_{11} X_1$

• 男性（$X_1=0$）的logit：$\log\left(\frac{P_{男}}{1-P_{男}}\right) = \beta_{01}$
• 女性（$X_1=1$）的logit：$\log\left(\frac{P_{女}}{1-P_{女}}\right) = \beta_{01} + \beta_{11}$
• 性别差异的logit比：$\log\left(\frac{P_{女}/(1-P_{女})}{P_{男}/(1-P_{男})}\right) = \beta_{11}$（即女性相对于男性的对数优势比）。

2. 新赋值（1,2）的情况

设性别$X_2$赋值为：男性=1，女性=2，则模型为：
$\log\left(\frac{P_2}{1-P_2}\right) = \beta_{02} + \beta_{12} X_2$

• 男性（$X_2=1$）的logit：$\log\left(\frac{P_{男}}{1-P_{男}}\right) = \beta_{02} + \beta_{12} \cdot 1$
• 女性（$X_2=2$）的logit：$\log\left(\frac{P_{女}}{1-P_{女}}\right) = \beta_{02} + \beta_{12} \cdot 2$
• 性别差异的logit比：$\log\left(\frac{P_{女}/(1-P_{女})}{P_{男}/(1-P_{男})}\right) = (\beta_{02} + 2\beta_{12}) - (\beta_{02} + \beta_{12}) = \beta_{12}$。

3. 结论

两种赋值下，性别差异的对数优势比（即回归系数的实际意义）完全相同，均等于$\beta_{11} = \beta_{12}$。回归系数值保持不变，仅截距项$\beta_0$会因赋值变化而调整，但题目仅关注回归系数$\beta_1$，故其值不变。