로지스틱 회귀 : 연속 변수 해석

로지스틱 회귀 분석에서 연속 변수의 승산 비를 해석하는 방법에 대한 몇 가지 질문이 있습니다. 나는 이것이 로지스틱 회귀에 대한 기본적인 질문 인 것처럼 느끼고 아마도 회귀에 대해 알지 못한다는 것이 약간 부끄럽지만, 자부심을 삼켜 서 물어볼 것입니다. 미래!

여기 내 상황이 있습니다. 저는 집행 유예의 일환으로 직업 / 생활 기술 훈련 프로그램에 등록 된 판결 된 청소년의 표본을보고 있습니다. 나는 프로그램에서 석방 된 연령이 프로그램 석방 후 6 개월 동안 취업을 예측 한 정도를보고 싶었다.

(또한 모형에는 다른 예측 변수가 있지만 통계적으로 유의하지 않으므로 가능한 한 명확하게 유지하고 싶기 때문에 제외했습니다.)

예측 자 : 훈련 프로그램에서 석방 된 연령 (평균 연령 = 17.4, SD = 1.2, 범위 14.3-20.5)

결과 : 고용 여부 (Employed = 1, Not Employed = 0)

결과 : 승산 비 3.01 (p <.005) (확률 비율의 해석에 대해서만 답을 찾고 있기 때문에 적합 통계의 우수성 등을 제외했습니다. 모델 적합 평가, CI의 평가에 대해 편안함을 느낍니다. 등)

한마디로 말하면 : 나이가 1 년 증가함에 따라, 퇴원 후 6 개월 동안 고용 될 확률은 3 단위 증가합니다.

질문 :

1) "연령이 1 년 증가하면 ..."연령의 시작점은 무엇입니까?

나이가 0에서 시작합니까? 예를 들어, "연령이 0에서 증가 할 때 [즉,이 모델을 그래프에 배치하면 최저 연령] ..."

표본의 연령 범위에서 연령이 가장 낮은 연령에서 시작합니까? 예를 들어, "연령이 14.3에서 증가함에 따라 ..."

또는

연령은 표본의 평균 연령에서 시작합니까? 예를 들어 '연령이 17.4에서 증가하면 ...'

2) 센터링 이이 결과를 해석하는 데 도움이됩니까? 아니면 y-int를 해석하는 데 효과적입니까? 그것이 도움이된다면, 나는 샘플의 다른 모든 연령대에서 가장 낮은 연령을 중심으로하거나 빼는 것을 의미하려고 생각했습니다. 어떤 제안?

3) 마지막으로, 14 세 청소년에 비해 17 세 청소년이 9 배나 더 고용 될 가능성이 있다고 말하는 것이 적절합니까? 나는 로지스틱 회귀가 S 자형 관계를 가정한다는 것을 알고 있기 때문에 묻습니다.이 확률이 3 단위 증가하면 회귀선을 따라 어느 시점에서나 일관성이 유지되는지 궁금합니다.

정말 고마워!

아론

1) 승산 비 이므로 어디서부터 시작하든 상관 없습니다. 18 세의 확률은 17 세의 확률의 3 배입니다. 또는 17 세의 확률은 18 세의 확률의 1/3입니다. 같은 것. 특정 연령의 사람이 고용 될 확률 을 얻으려면 OR이 아닌 모수 추정값과 함께 수식을 사용할 수 있습니다. 또는 당신이 당신을 위해 그것을 사용하는 프로그램을 얻을 수 있습니다.

2) 센터링이 도움이되는지 여부는 의견의 문제입니다. 중심 모델이 더 명확하지 않지만 일부 사람들은 명확합니다.

3) 확률은 "가능성"과 정확히 동일하지는 않지만 (많은 사람들이있는 것처럼 말하지만) 17 살의 확률은 14 살의 확률의 27 배입니다.

마지막으로이 모델에 대해주의를 기울였습니다. 모델은 OR이 14와 15, 15와 16 등에서 동일하다고 가정합니다. 내가 그 주제에 대해 아는 것에 근거하면 나에게는 그럴 것 같지 않습니다.

개인에 대한 훈련 문제에 등록 할 때의 평균 확률은 다른 모든 변수를 일정하게 유지 한 후 1 세 이하의 다른 개인에 대한 확률의 # 배입니다.

그게 내 취향이야