Ich arbeite an einer multiplen logistischen Regression in R mit glm. Die Prädiktorvariablen sind kontinuierlich und kategorial. Ein Auszug aus der Zusammenfassung des Modells zeigt Folgendes:
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 2.451e+00 2.439e+00 1.005 0.3150
Age 5.747e-02 3.466e-02 1.658 0.0973 .
BMI -7.750e-02 7.090e-02 -1.093 0.2743
...
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Vertrauensintervalle:
2.5 % 97.5 %
(Intercept) 0.10969506 1.863217e+03
Age 0.99565783 1.142627e+00
BMI 0.80089276 1.064256e+00
...
Ungerade verhältnisse:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.159642e+01 11.464683 2.7310435 1.370327
Age 1.059155e+00 1.035269 5.2491658 1.102195
B 9.254228e-01 1.073477 0.3351730 1.315670
...
Die erste Ausgabe zeigt, dass das signifikant ist. Das Konfidenzintervall für enthält jedoch den Wert 1, und die Quote für liegt sehr nahe bei 1. Was bedeutet der signifikante p-Wert aus der ersten Ausgabe? Ist das ein Prädiktor für das Ergebnis oder nicht?
r
logistic
interpretation
p-value
SabreWolfy
quelle
quelle
Antworten:
Hier auf der Website gibt es eine Vielzahl von Fragen, die bei der Interpretation der Modellausgabe hilfreich sind (hier sind drei verschiedene Beispiele, 1 2 3 , und ich bin sicher, dass es noch mehr gibt, wenn Sie das Archiv durchsuchen). Hier finden Sie auch ein Tutorial auf der UCLA- Statistikwebsite zur Interpretation der Koeffizienten für die logistische Regression.
Obwohl das Odds-Ratio für den Alterskoeffizienten nahe bei eins liegt, bedeutet dies nicht unbedingt, dass der Effekt gering ist (ob ein Effekt gering oder groß ist, ist häufig eine ebenso normative wie eine empirische Frage). Man müsste die typischen Unterschiede im Alter zwischen den Beobachtungen kennen, um eine fundiertere Meinung zu bilden.
quelle