순서형 로지스틱 회귀 분석에서 추정된 계수 해석

추정된 계수는 연결 함수, 반응에 대한 기준 사건 및 예측 변수에 대한 기준 수준에 따라 다르게 해석됩니다. 예측 변수(요인 또는 공변량)와 연관된 추정된 계수는 다른 모든 예측 변수가 상수로 고정된 상태에서 예측 변수의 각 단위가 바뀔 때의 연결 함수의 변화를 나타냅니다. 요인의 한 단위 변화는 요인 수준을 기준 요인 수준과 비교한 것을 나타냅니다.

로짓 연결 함수는 추정된 계수에 대해 가장 자연스러운 해석을 제공하므로 Minitab의 기본 연결 함수입니다. 다음은 해석 방법을 요약한 것입니다.
  • 사건의 승산은 P(사건 있음) 대 P(사건 없음)의 비율입니다. 예측 변수(요인 또는 공변량)의 추정된 계수는 다른 예측 변수가 일정하다고 가정한 상태에서 예측 변수의 각 단위가 바뀔 때 P(사건 있음)/P(사건 없음)의 로그 값에 대해 추정된 변화입니다.
  • 추정된 계수는 승산비 또는 두 승산 간의 비를 계산하는 데도 사용될 수 있습니다. 요인의 추정된 계수를 거듭제곱하면 특정 요인 수준을 기준 요인 수준과 비교한 P(사건 있음)/P(사건 없음)의 비가 생성됩니다. 서로 다른 공변량 값에서의 승산비는 공변량의 1-단위 변화를 나타냅니다. 계수가 0이거나 승산비가 1인 경우는 모두 요인 또는 공변량에 효과가 없다는 것을 나타냅니다.

추정된 계수를 다른 관점에서 보려면 옵션 하위 대화 상자에서 기준 사건 또는 기준 수준을 변경하면 됩니다. 예를 들어, 반응이 낮음, 중간, 높음으로 코드화되는 경우 중간이 문자순으로 마지막이기 때문에 중간이 기본 기준 사건입니다. 대부분의 경우 높음을 기준 사건으로 사용하면 더 유의한 결과를 얻을 수 있습니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오