R'de lojistik regresyon çıktısını yorumlama

R kullanarak çoklu lojistik regresyon üzerinde çalışıyorum glm. Öngörücü değişkenleri sürekli ve kategoriktir. Model özetinin bir özeti aşağıdakileri gösterir:

Coefficients:
               Estimate Std. Error z value Pr(>|z|)
(Intercept)   2.451e+00  2.439e+00   1.005   0.3150
Age           5.747e-02  3.466e-02   1.658   0.0973 .
BMI          -7.750e-02  7.090e-02  -1.093   0.2743
...
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Güvenilirlik aralığı:

                  2.5 %       97.5 %
(Intercept)  0.10969506 1.863217e+03
Age          0.99565783 1.142627e+00
BMI          0.80089276 1.064256e+00
...

Oran oranları:

                 Estimate Std. Error   z value Pr(>|z|)
(Intercept)  1.159642e+01  11.464683 2.7310435 1.370327
Age          1.059155e+00   1.035269 5.2491658 1.102195
B            9.254228e-01   1.073477 0.3351730 1.315670
...

$Age$$Age$$Age$$Age$

Burada model çıktılarının yorumlanmasına yardımcı olacak bir dizi soru var (burada üç farklı örnek var, 1 2 3 ve arşivde kazarsanız daha fazla şey olduğundan eminim). Burada ayrıca UCLA istatistik web sitesinde lojistik regresyon katsayılarının nasıl yorumlanacağına dair bir eğitim bulunmaktadır .

Yaş katsayısının olasılık oranı bire yakın olmasına rağmen, mutlaka etkinin küçük olduğu anlamına gelmez (bir etkinin küçük mü yoksa büyük mü olduğu genellikle ampirik olduğu kadar normatif bir sorudur). Daha bilinçli bir görüş bildirmek için gözlemler arasındaki yaştaki tipik farklılığı bilmek gerekir.