计量资料(连续变量)在进行logistic 回归分析后,Exp(B)代表啥?还是OR值吗?那其意义怎么解释?
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计量资料(连续变量)在进行logistic 回归分析后,Exp(B)代表啥?还是OR值吗?那其意义怎么解释?相关的知识,希望对你有一定的参考价值。
计量资料(连续变量)在进行logistic 回归分析后,Exp(B)代表什么?还是OR值吗?那其意义怎么解释?是指变量每增加一个单位,其风险增加多少吗?
首先澄清几个概念:OR是odds ratio 而 logistic里关注的是odds 不是odds的比值odds ratioodds= 发生的概率 除以 不发生的概率
logistic 回归的公式是:
log O = alpha + Bx
那么 O = Exp(alpha + Bx) = Exp(alpha)*Exp(Bx)
所以当x每增加1 x-->x+1 O就变成O*Exp(B)
所以意义就是变量每增加一个单位,你的关注量(因变量)的 odds 会增加 Exp(B)。
怎么理解是odds?我觉得没有一个很直观的说法,只能从式子上理解,odds越大,相当于发生的概率越大,并且不发生的概率越小。(个人觉得odds和概率等价,因为确定了发生的概率,不发生的概率也就确定了) 参考技术A 正确的,但是是增加了(or-1)倍哦
逻辑回归和线性回归区别
1)线性回归要求变量服从正态分布,logistic回归对变量分布没有要求。
2)线性回归要求因变量是连续性数值变量,而logistic回归要求因变量是分类型变量。
3)线性回归要求自变量和因变量呈线性关系,而logistic回归不要求自变量和因变量呈线性关系
4)logistic回归是分析因变量取某个值的概率与自变量的关系,而线性回归是直接分析因变量与自变量的关系
总之,
logistic回归与线性回归实际上有很多相同之处,最大的区别就在于他们的因变量不同,其他的基本都差不多,正是因为如此,这两种回归可以归于同一个家族,即广义线性模型(generalized
linear
model)。这一家族中的模型形式基本上都差不多,不同的就是因变量不同,如果是连续的,就是多重线性回归,如果是二项分布,就是logistic回归。logistic回归的因变量可以是二分类的,也可以是多分类的,但是二分类的更为常用,也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。
以上是关于计量资料(连续变量)在进行logistic 回归分析后,Exp(B)代表啥?还是OR值吗?那其意义怎么解释?的主要内容,如果未能解决你的问题,请参考以下文章