我正在创建一些二元回归，并且想知道我是否应该对优势比的大小感到惊讶。

在此特定示例中，因变量指示学生是否可以达到第二语言的指定目标。解释变量是作为连续协变量的年龄和母语读写能力的量度。我正在使用 SPSS 来计算模型，它们似乎工作正常（我有一个大约 40,000 个案例的大型数据集，数据中的空单元格很少，没有警告标志等）我选择了 0 作为参考结果和分类解释变量的类别。据我了解，我在下面看到的估计告诉我，如果学生在 4 级展示 L1 阅读，他们能够展示第二语言所需技能的可能性是 372 倍。

估计的模式与我预期的完全一样，我的问题是我是否应该关注估计的大小，或者在两个变量之间明显存在密切联系的情况下这是否常见。

非常感谢！

知识库

> Parameter          B         Exp(B)
> 
> (Intercept)      -3.077    
> Age                .075        1.078 
> [L1 Reading=4]    5.921      372.784 
> [L1 Reading=3]    5.330      206.438 
> [L1 Reading=2]    4.288       72.821 
> [L1 Reading=1]    3.025       20.594
> [L1 Reading=0]        0            0

L1 和 DV 的交叉表：

+-------+-------+-------+------+------+-------+-------+
|       |     0 |     1 |    2 |    3 |     4 |  Total|
| 0.00  | 17537 |  6487 |  784 |  100 | 44    | 24952 |
| 1.00  |  1284 |  9891 | 4287 | 1576 | 1328  | 18366 |
| Total | 18821 | 16378 | 5071 | 1676 | 1372  | 43318 |
+-------+-------+-------+------+------+-------+-------+