La différence entre avec ou sans modèle d'interception dans la régression logistique

J'aime comprendre la différence entre avec ou sans modèle d'interception dans la régression logistique

Y a-t-il une différence entre eux, sauf qu'avec l'interception, les coefficients considèrent le log (odds ratio) par rapport au groupe de référence et sans l'interception, ils considèrent le log (odds)? d'après ce que j'ai vu, les coefficients sont les mêmes dans les deux cas, mais la signification n'est pas toujours la même et je ne comprends pas pourquoi. En outre, dans quels cas sera-t-il correct d'utiliser un modèle sans interception?

C'est mon modèle: glm(NeverReturn ~ factor(Network) * TotalPrice , family = binomial)et je ne suis pas sûr de laisser l'interception ou non parce qu'au "vrai mot" le prix total ne peut pas être inférieur à 50 de toute façon, mais alors la probabilité sera de 1 pas de 0, donc je suis confus.

Il ne sera presque jamais utile d'utiliser le modèle sans interception dans la régression logistique. Le paramètre d'interception$\beta_0$ modélise la distribution marginale de la réponse $Y$, donc en utilisant $\beta_0=0$ revient à supposer que $P(Y=1)=0.5$, marginalement. Le savez-vous vraiment? Si ce n'est pas vrai, vous ne pouvez pas faire confiance à une inférence du modèle sans interception.