Estou trabalhando em uma regressão logística múltipla em R usando glm. As variáveis preditoras são contínuas e categóricas. Uma extração do resumo do modelo mostra o seguinte:
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 ‘ ’ 1Intervalos de confiança:
2.5 % 97.5 %
(Intercept) 0.10969506 1.863217e+03
Age 0.99565783 1.142627e+00
BMI 0.80089276 1.064256e+00
...Razões ímpares:
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
...A primeira saída mostra que é significativo. No entanto, o intervalo de confiança para a inclui o valor 1 e a razão de chances para a é muito próxima de 1. O que significa o valor p significativo da primeira saída? A é um preditor do resultado ou não?
r
logistic
interpretation
p-value
SabreWolfy
fonte
fonte
Respostas:
Há uma série de perguntas aqui no site que ajudarão na interpretação da saída dos modelos (aqui estão três exemplos diferentes, 1 2 3 , e tenho certeza de que há mais se você pesquisar no arquivo). Aqui também está um tutorial no site de estatísticas da UCLA sobre como interpretar os coeficientes para a regressão logística.
Embora o odds ratio para o coeficiente de idade seja próximo a um, isso não significa necessariamente que o efeito seja pequeno (se um efeito é pequeno ou grande é frequentemente uma questão normativa e empírica). Seria necessário conhecer a variação típica da idade entre as observações para obter uma opinião mais informada.
fonte