승산비는 두 사건의 승산을 비교합니다. 사건의 승산은 사건이 발생할 확률을 사건이 발생하지 않을 확률로 나눈 것입니다. 모형에서 로짓 연결 함수를 사용하는 경우 Minitab에서는 승산비를 계산합니다.
예측 변수의 효과를 이해하려면 승산비를 사용합니다. 승산비에 대한 해석은 예측 변수가 범주형인지 아니면 계량형인 지에 따라 달라집니다.
승산비가 1보다 크면 예측 변수가 증가함에 따라 사건 발생 확률이 증가한다는 것을 나타냅니다. 승산비가 1보다 작으면 예측 변수가 증가함에 따라 사건 발생 확률이 감소한다는 것을 나타냅니다.
이 결과에서 모형은 한 약품의 투여량 수준을 사용하여 성인의 박테리아 존재 여부를 예측합니다. 이 예에서는 박테리아의 부재가 사건입니다. 각 약에는 0.5mg의 투여량이 포함되어 있으며, 따라서 연구자들은 0.5 mg의 단위 변화를 사용합니다. 승산비는 약 6입니다. 성인이 약 하나를 추가로 복용할 때마다 환자에게 박테리아가 없을 확률은 약 6배 증가합니다.
변경 단위 | 승산비 | 95% CI | |
---|---|---|---|
투여량(mg) | 0.5 | 6.1279 | (1.7218, 21.8087) |
범주형 예측 변수의 경우 승산비는 예측 변수의 서로 다른 2개 수준에서 사건이 발생할 확률을 비교합니다. Minitab에서는 수준 A와 수준 B, 두 열에 수준을 나열하여 비교를 설정합니다. 수준 B는 요인에 대한 기준 수준입니다. 승산비가 1보다 크면 수준 B에서 사건 발생 확률이 증가한다는 것을 나타냅니다. 승산비가 1보다 작으면 수준 B에서 사건 발생 확률이 감소한다는 것을 나타냅니다. 범주형 예측 변수의 코드화에 대한 자세한 내용은 범주형 예측 변수의 코드화 방법에서 확인하십시오.
이 결과에서 범주형 예측 변수는 호텔의 성수기 시작된 이후의 달입니다. 반응은 투숙객이 예약을 취소하느냐 여부입니다. 이 예에서는 취소가 사건입니다. 최대 승산비는 수준 A가 월 4이고 수준 B가 월 1일 때 약 7.71입니다. 이는 월 4에 투숙객이 예약을 취소할 확률이 월 1에 예약을 취소할 확률보다 약 8배 높다는 것을 나타냅니다.
수준 A | 수준 B | 승산비 | 95% CI |
---|---|---|---|
월 | |||
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) |
이 신뢰 구간(CI)은 승산비의 실제 값이 포함될 가능성이 높은 값의 범위입니다. 신뢰 구간 계산에는 정규 분포가 사용됩니다. 신뢰 구간은 표본 승산비의 분포가 정규 분포를 따를 정도로 표본 크기가 충분히 큰 경우에 정확합니다.
표본이 랜덤이기 때문에 모집단의 두 표본에서 동일한 신뢰 구간이 생성될 가능성은 없습니다. 그러나 여러 개의 랜덤 표본을 추출하면 일정한 백분율의 신뢰 구간에는 알 수 없는 모집단 모수가 포함됩니다. 모수를 포함하는 이러한 신뢰 구간의 백분율이 해당 구간의 신뢰 수준입니다.
신뢰 구간은 승산비의 추정치를 평가하는 데 사용합니다.
예를 들어 95% 신뢰 수준에서는 모집단에 대한 승산비의 값이 신뢰 구간에 포함된다고 95% 확신할 수 있습니다. 신뢰 구간은 결과의 실제 유의성을 평가하는 데 도움이 됩니다. 해당 상황에 실제적으로 유의한 값이 신뢰 구간에 포함되는지 여부를 확인하려면 전문 지식을 이용하십시오. 신뢰 구간이 너무 넓어서 유의하지 않은 경우에는 표본 크기를 늘려보십시오.