R에서 로지스틱 회귀 출력 해석

R을 사용하여 다중 로지스틱 회귀 분석을 수행하고 glm있습니다. 예측 변수는 연속적이고 범주 적입니다. 모델 요약을 추출하면 다음이 표시됩니다.

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

신뢰 구간:

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

승률 :

                 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
...

$Age$ $Age$ $Age$ $Age$

r logistic interpretation p-value

— 세이버 울피
소스

10 % 신뢰 수준에서만 유의미하지만 신뢰 구간은 5 %입니다.

— Nick Sabbe

그렇다면 10 %의 신뢰 구간에는 1이 포함되지 않습니까?

— SabreWolfy

p- 값 (마지막 열 첫 번째 표)은 귀무 가설이 참이면 획득 한 결과가 나빠질 가능성이 있습니다. 신뢰 구간은 예를 들어 시간의 95 %에서 실제 값을 보유 할 영역입니다. 그것이 가정 된 실제 값을 보유하지 않는다면, 가정이 사실이라면, 우리가 얻은 결과를 얻거나 더 나빠질 확률은 최대 5 %입니다. 따라서 이것은 p- 값이 5 %보다 낮다는 것을 의미합니다. p- 값과 신뢰 구간 사이에는 매우 밀접한 관계가 있습니다 (통계 101). 한마디로 그렇습니다. 예, CI의 10 %는 1을 포함합니다.

— Nick Sabbe

선형성을 가정하는 것 같습니다. 그것이 어떻게 정당화됩니까?

— Frank Harrell

이 사이트에는 모델 출력의 해석에 도움이 될 많은 질문이 있습니다 (여기서는 세 가지 다른 예가 있습니다. 1 2 3 이며 아카이브를 파헤 치면 더 많은 것이 있다고 확신합니다). 다음은 로지스틱 회귀 계수를 해석하는 방법 에 대한 UCLA 통계 웹 사이트 의 자습서입니다 .

연령 계수에 대한 승산 비가 1에 가까울지라도 반드시 효과가 작다는 것을 의미하지는 않습니다 (효과가 작거나 큰지 여부는 경험적 문제만큼 자주 규범적인 질문입니다). 보다 정확한 정보를 얻기 위해서는 관찰 사이의 연령 변화를 알아야합니다.

— 앤디여
소스

포괄적으로 보이는 튜토리얼 링크에 감사드립니다. 질문을 게시하기 전에 여기에서 검색했습니다. 링크 1과 3은 내 질문과 관련이없는 것으로 보입니다.

— SabreWolfy

@SabreWolfy, 링크 1은 원래 단위로 계수를 해석하는 방법을 자세히 설명하고, 링크 3은 확률 측면에서 효과를 해석하는 단계를 설명합니다. 직접 효과의 크기가 나이의 변화를 모른 채 해석하기 어렵다고 말하는 합리적인 대답).

— Andy W

({1.059}^{30} - 1) \times 100 % = 458 %

$(1.059^{30} -1)\times 100\% = 458\%$

UCLA 링크가 작동하지 않았지만 이 링크는 아마도 해당 내용 일 것입니다 (적어도 그 내용은이 질문을 이해하는 데 도움이됩니다).

— MBR