解释 R 中的逻辑回归输出

机器算法验证 r 物流 解释 p 值
2022-03-05 09:36:46

我正在使用 R 中的多元逻辑回归glm预测变量是连续的和分类的。模型摘要的摘录显示以下内容:

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

置信区间:

                  2.5 %       97.5 %
(Intercept)  0.10969506 1.863217e+03
Age          0.99565783 1.142627e+00
BMI          0.80089276 1.064256e+00
...

奇数比:

                 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
...

第一个输出显示很重要。但是,的置信区间包括值 1,的优势比非常接近 1。第一个输出的显着 p 值是什么意思?是否可以预测结果?AgeAgeAgeAge

1个回答

网站上有许多问题将有助于解释模型输出(这里有三个不同的示例,1 2 3,如果您浏览档案,我相信还有更多)。这也是加州大学洛杉矶分校 统计网站上关于如何解释逻辑回归系数的教程。

尽管年龄系数的优势比接近于 1,但这并不一定意味着影响很小(影响是小还是大通常是一个规范问题,因为它是一个经验问题)。人们需要知道观察之间年龄的典型变化,才能做出更明智的意见。