Giả sử mô hình hồi quy logistic được sử dụng để dự đoán liệu người mua hàng trực tuyến sẽ mua sản phẩm (kết quả: mua hàng), sau khi anh ta nhấp vào một bộ quảng cáo trực tuyến (dự đoán: Ad1, Ad2 và Ad3).
Kết quả là một biến nhị phân: 1 (đã mua) hoặc 0 (không thuần chủng). Các dự đoán cũng là các biến nhị phân: 1 (đã nhấp) hoặc 0 (không được nhấp). Vì vậy, tất cả các biến là trên cùng một quy mô.
Nếu các hệ số kết quả của Ad1, Ad2 và Ad3 là 0,1, 0,2 và 03, chúng ta có thể kết luận rằng Ad3 quan trọng hơn Ad2 và Ad2 quan trọng hơn Ad1. Hơn nữa, vì tất cả các biến đều có cùng thang đo, nên các hệ số được tiêu chuẩn hóa và không được chuẩn hóa phải giống nhau và chúng ta có thể kết luận thêm rằng Ad2 quan trọng gấp đôi so với Ad1 về mức độ ảnh hưởng của nó đối với mức độ logit (tỷ lệ cược log).
Nhưng trong thực tế, chúng tôi quan tâm nhiều hơn đến cách so sánh và diễn giải tầm quan trọng tương đối của các biến theo mức độ p (xác suất mua hàng), chứ không phải logit (tỷ lệ cược log).
Vì vậy, câu hỏi là: Có cách tiếp cận nào để định lượng tầm quan trọng tương đối của các biến này theo p?