2値ロジスティックモデルの当てはめと 2値ロジスティック回帰の オッズ比

解釈

オッズ比を使用して、予測変数の影響を理解します。オッズ比の解釈は、予測変数がカテゴリ変数か連続変数かによって変わります。

連続予測変数のオッズ比

オッズ比が1より大きい場合、予測変数が増加するにつれて事象が発生する可能性が高くなることを示します。オッズ比が1未満の場合、予測変数が増加するにつれて事象が発生する可能性が低くなることを示します。

これらの結果では、モデルは薬剤の用量を使用して、成人のバクテリアの有無を予測します。この例では、バクテリアのないことが事象です。それぞれの錠剤に0.5mgの用量が含まれ、研究者は0.5mgの単位の変化を使用します。オッズ比はおよそ6です。

連続予測変数のオッズ比

	変更ユニット	オッズ比	95%信頼区間
投薬量（mg）	0.5	6.1279	(1.7218, 21.8087)

カテゴリ予測変数のオッズ比

カテゴリ変数の場合、オッズ比は、予測変数の2つの異なる水準に出現する事象のオッズを比較します。水準Aと水準Bの2つの列に水準を登録することによって比較を設定できます。水準Bは因子の参照水準です。オッズ比が1より大きい場合、事象は水準Aになる可能性が高くなることを示します。オッズ比が1未満の場合、事象は水準Aになる可能性が低くなることを示します。カテゴリ予測変数のコーディングに関する詳細はカテゴリ予測変数のコード化方式を参照してください。

この結果では、カテゴリ予測変数はホテルの繁忙期の開始月です。応答は、宿泊客が予約をキャンセルするかどうかです。この例ではキャンセルは事象です。最大オッズ比は7.71で、水準Aが4か月目のときと水準Bが1か月目のときが当てはまります。これは、宿泊客が4か月目に予約をキャンセルするオッズは、宿泊客が1か月目に予約をキャンセルするオッズよりも約8倍高いことを示しています。

2値ロジスティック回帰:Cancellation 対 月

カテゴリ予測変数のオッズ比

水準A	水準B	オッズ比	95%信頼区間
月
2	1	1.1250	(0.0600, 21.0834)
3	1	3.3750	(0.2897, 39.3165)
4	1	7.7143	(0.7461, 79.7592)
5	1	2.2500	(0.1107, 45.7172)
6	1	6.0000	(0.5322, 67.6397)
3	2	3.0000	(0.2547, 35.3325)
4	2	6.8571	(0.6556, 71.7169)
5	2	2.0000	(0.0976, 41.0019)
6	2	5.3333	(0.4679, 60.7946)
4	3	2.2857	(0.4103, 12.7323)
5	3	0.6667	(0.0514, 8.6389)
6	3	1.7778	(0.2842, 11.1200)
5	4	0.2917	(0.0252, 3.3719)
6	4	0.7778	(0.1464, 4.1326)
6	5	2.6667	(0.2124, 33.4861)

解釈

信頼区間を使用すると、オッズ比のパラメータの推定値を評価できます。

たとえば、信頼水準が95%の場合、信頼区間に母集団のオッズ比の値が含まれていることが95%信頼できます。信頼区間により、結果の実質的な有意性を評価しやすくなります。状況に応じた専門知識を利用して、信頼区間に実質的に有意な値が含まれているかどうかを判断します。信頼区間が広すぎて役に立たない場合、サンプルサイズを増加させることを検討します。