Załóżmy, że model regresji logistycznej służy do przewidywania, czy kupujący online kupi produkt (wynik: zakup) po kliknięciu zestawu reklam online (predyktory: Ad1, Ad2 i Ad3).
Wynikiem jest zmienna binarna: 1 (zakupiona) lub 0 (nie zebrana). Predyktory są również zmiennymi binarnymi: 1 (kliknięte) lub 0 (nie kliknięte). Więc wszystkie zmienne są w tej samej skali.
Jeśli wynikowe współczynniki Ad1, Ad2 i Ad3 wynoszą 0,1, 0,2 i 03, możemy stwierdzić, że Ad3 jest ważniejszy niż Ad2, a Ad2 jest ważniejszy niż Ad1. Ponadto, ponieważ wszystkie zmienne są w tej samej skali, znormalizowane i niestandaryzowane współczynniki powinny być takie same, i możemy dalej stwierdzić, że Ad2 jest dwa razy ważniejszy niż Ad1 pod względem jego wpływu na poziom logit (log-odds).
Ale w praktyce bardziej zależy nam na tym, jak porównać i zinterpretować względną ważność zmiennych pod względem poziomu p (prawdopodobieństwo zakupu), a nie logit (log-odds).
Zatem pytanie brzmi: czy istnieje jakieś podejście do kwantyfikacji względnej ważności tych zmiennych w kategoriach p?