Suponga que se usa un modelo de regresión logística para predecir si un comprador en línea comprará un producto (resultado: compra), después de hacer clic en un conjunto de anuncios en línea (predictores: Ad1, Ad2 y Ad3).
El resultado es una variable binaria: 1 (comprado) o 0 (no comprado). Los predictores también son variables binarias: 1 (clic) o 0 (no clic). Entonces todas las variables están en la misma escala.
Si los coeficientes resultantes de Ad1, Ad2 y Ad3 son 0.1, 0.2 y 03, podemos concluir que Ad3 es más importante que Ad2, y Ad2 es más importante que Ad1. Además, dado que todas las variables están en la misma escala, los coeficientes estandarizados y no estandarizados deberían ser los mismos, y podemos concluir que Ad2 es dos veces importante que Ad1 en términos de su influencia en el nivel logit (log-odds).
Pero en la práctica nos importa más cómo comparar e interpretar la importancia relativa de las variables en términos del nivel p (probabilidad de compra), no el logit (log-odds).
Por lo tanto, la pregunta es: ¿Existe algún enfoque para cuantificar la importancia relativa de estas variables en términos de p?