优势比为 2 意味着在预测变量增加 1 个单位的情况下，该事件的可能性增加 2 倍

这意味着几率会加倍，这与概率加倍不同。

在 Cox 回归中，风险比为 2 意味着在预测变量增加一个单位的情况下，事件在每个时间点发生的频率是两倍。

除了一些挥手，是的 - 发生率翻倍。这就像一个按比例缩放的瞬时概率。

这些实际上不是一回事吗？

当事件的几率加倍几乎与事件的危险加倍相同时，它们几乎是一样的。它们不会自动相似，但在某些（相当常见的）情况下，它们可能非常接近。

您可能需要更仔细地考虑赔率和概率之间的差异。

例如，参见这里的第一句话，它清楚地表明优势是概率与其互补的比率。因此，例如，将几率（赞成）从 1 增加到 2 与从增加到的概率相同。赔率的增加快于概率的增加。对于非常小的概率，有利概率和概率非常相似，而随着概率变小，不利概率变得越来越类似于（在这个比率将变为 1 的意义上）概率的倒数。优势比只是两组优势的比率。在保持基本优势不变的同时增加优势比对应于增加其他优势，但可能与概率的相对变化相似，也可能不相似。$\frac{1}{2}$$\frac{2}{3}$

您可能还想思考危险和概率之间的区别（请参阅我之前提到的挥手的讨论；现在我们不掩盖区别）。例如，如果概率为 0.6，则不能将其翻倍——但 0.6 的瞬时风险可以翻倍至 1.2。它们不是一回事，就像概率密度不是概率一样。

这是一个很好的问题。但是您真正要问的不应该是如何解释统计数据，而是每个模型（危险或逻辑）的假设基础。逻辑模型是一种静态模型，它有效地预测事件在给定可观察信息的特定时间发生的可能性。然而，危险模型或 Cox 模型是一个持续时间模型，它模拟随时间变化的存活率。您可能会问一个问题，例如“通过逻辑回归，相对于非吸烟者，吸烟者活到 75 岁的可能性有多大”（假设您有关于 75 岁以下人群死亡率的信息） . 但是，如果您想利用数据的时间维度的完整性，那么使用风险模型会更合适。

最终，尽管它真的归结为您想要建模的内容。你相信你正在建模的是一次性事件吗？使用逻辑。如果您认为您的事件在可观察的时间范围内每个时期都有固定或成比例的机会发生？使用危险模型。

选择方法不应基于您如何解释统计数据。如果是这种情况，那么 OLS、LAD、Tobit、Heckit、IV、2SLS 或许多其他回归方法之间将没有区别。相反，它应该基于您认为您尝试估计的基础模型采用什么形式。