logistic回归后odds ratio如何解释？

93314

收藏 2009-07-07

Enroll为（0—1）变量，表示该学龄儿童是否在学；
Age为其连续的年龄变量；
Girl为其性别虚拟变量（0—1）；
Sib1、sib2为其兄弟姐妹个数的虚拟变量（0—1），并以独身子女为对照组，若sib1=1则为有一个兄弟姐妹，sib2=1则为有两个或两个以上兄弟姐妹。

输入命令：logistic enroll age girl sib1 sib2 if age>12
得到主要结果如下：

Enroll    odds ratio          std.err.          z       p>|z|                ……
Age       .4640051       .040695    -8.76    0.000                ……
Girl    1.218128          .2572696    0.93    0.350                ……
Sib1       .8069827       .1853267 -0.93    0.350                ……
Sib2       .4465136       .1776459 -2.03    0.043                ……

其中，odds ratio为自变量各自对应的风险比。请问该列的数值如何解释？（特别是age的系数.4640051如何解释？我无法理解教材上的解释：样本的年龄每增加一岁，他们的在学概率降低46.4%）

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

蓝色

2009-7-7 12:31:27

没有用过or，or是成败比
MFX才是边际的概念，才是概率
我记得陈峰的书上有解释的，你去看看吧。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

sungmoo

2009-7-7 15:08:55

http://www.pinggu.org/bbs/viewth ... amp;highlight=ratio
设

logit y x1-xn
的估计结果是b1-bn

logistic y x1-xn
的估计结果是B1-Bn

则B1=exp(b1)、B2=exp(b2)、……、Bn=exp(bn)

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

guoguozlm

2009-7-7 21:01:07

可是为什么教材上写样本的年龄每增加一岁，他们的在学概率降低46.4%（而不是53.6%）？另一方面对sib1的解释为：有一个兄弟姐妹的研究对象要比独生子女的在学率低20%？为什么对系数的解释不一样？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

sungmoo

2009-7-7 22:30:40

exp(x'b)/[1+exp(x'b)]=Prob(y=1)
1/[1+exp(x'b)]=Prob(y=0)

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

robert_jia

2009-7-9 14:56:10

odds ratio，是个重要概念，对于logit model！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

biostat

2009-7-18 20:18:38

学过流行病学的人很容易理解的。
其意义相当于相对危险度（relative risk)

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

biostat

2009-7-18 20:21:57

logistic回归理论上自变量是没有规定的，但对于连续型变量有时解释很难理解。
因此该模型更适用于分类变量

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

llulla

2009-7-19 14:04:20

logisttic 回归中, OR的含义和解释取决于自变量的赋值. 对于哑变量,则取决于对应的对照组, 如性别: 男为1, 女为0对应的OR值与男为0,女为1对应的OR值刚好相反.

logistic 回归中,连续性变量对应的OR值的流行病学含义是不明确,且不好解释. 但作为控制协变量也可以放进模型,中, 作用主要是控制年龄混杂因素. 若要对年龄的OR值进行解释,建议对年龄进行分组,即把连续性变量转换为分类变量,然后进行赋值,并对两组对应的OR值进行解释.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

eblog

2009-8-7 16:42:07

guoguozlm 发表于 2009-7-7 21:01
可是为什么教材上写样本的年龄每增加一岁，他们的在学概率降低46.4%（而不是53.6%）？另一方面对sib1的解释为：有一个兄弟姐妹的研究对象要比独生子女的在学率低20%？为什么对系数的解释不一样？

你说的教材是杨菊华老师的那本吧？
odds ratio的解释对于连续变量和分类变量是不同的，建议看看王济川、郭志刚撰写的《Logistic回归模型——方法与应用》，第4章 Logistic回归系数解释

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

olDBear0769

2009-8-7 20:31:07

流行病学中的比值比

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yuanxiaotang

2010-7-31 10:03:13

我也是看杨菊华的书，遇到和楼主一样的问题。不知道楼主找到答案没有。如有，分享一下啊。。。
yuanxiaotang@hotmail.com

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yuanxiaotang

2010-7-31 10:29:27

又琢磨了一下，觉得有点眉目了。看看和你探讨一下啊，是不是这么回事儿。
Odds Ratio指的是事后与事先的事件发生率之比用杨菊华书上的公式表示就是：P1/(1-P1)除以P0/(1-P0)。
其中分子是事后的事件发生比，分母是初始初始状态的事件发生比。
以第一个参数为例，初始年龄时的发生比（入学机率）为1，那么年龄增加一岁后，年龄增长后的发生比（入学概率）变为0.464。这样看来入学机率随着年龄的整张下降了，下降了54%。这个和书上说的是一致的。
再以第二个参数为例，若男孩为的入学机率为1，那么女孩的入学机率为1.218，所以女孩比男孩的入学机率多22%
再以第三个参数为例，若独子的入学机率为1，那么两个孩子的入学机率为0.8。下降20%
最后，以第四个参数为例，若独子的入学机率为1，那么三个孩子家庭的孩子，入学机率下降为0.446。其入学机率不到独子入学机率的一半（独子的入学机率为1）。
解释完毕。
我自己认为我自己挺有才的。呵呵。不知楼主是否认同这个解释。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

perfect-秋

2011-3-11 10:49:08

4# guoguozlm 这个还要看你系数的正负号啊，即方向啊

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

dxystata

2011-3-11 13:35:10

比值比或优势比

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

likeermei

2014-5-29 17:26:53

yuanxiaotang 发表于 2010-7-31 10:29
又琢磨了一下，觉得有点眉目了。看看和你探讨一下啊，是不是这么回事儿。
Odds Ratio指的是事后与事先的事 ...

有理有据，。。。。。。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yeva13

2014-9-4 13:57:18

yuanxiaotang 发表于 2010-7-31 10:29
又琢磨了一下，觉得有点眉目了。看看和你探讨一下啊，是不是这么回事儿。
Odds Ratio指的是事后与事先的事 ...

哈哈哈哈很好理解呐

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

11605

2015-5-29 16:09:42

yuanxiaotang 发表于 2010-7-31 10:29
又琢磨了一下，觉得有点眉目了。看看和你探讨一下啊，是不是这么回事儿。
Odds Ratio指的是事后与事先的事 ...

有些疑问，
以您的第一个参数解释为例，年龄增加一岁后，不应是概率变为0.464，而是增加一岁后，此概率改变了0.464吧？按照Z值为负，应解释为“年龄增加一岁后，入学几率减少了46.4%。”

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

zogcee

2015-5-29 18:31:08

11605 发表于 2015-5-29 16:09
有些疑问，
以您的第一个参数解释为例，年龄增加一岁后，不应是概率变为0.464，而是增加一岁后，此概率改 ...

我觉得不是这样。你看，只要OR小于1，z值就是负数。OR小于1就是说，事后的比值小于事前的比值，z值是负数的意思就是，减小概率。这两个是一致的。

所以原来的说法是对的，就是说，事后比值变为了0.464（而事前比值是1）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

11605

2015-5-30 11:28:14

zogcee 发表于 2015-5-29 18:31
我觉得不是这样。你看，只要OR小于1，z值就是负数。OR小于1就是说，事后的比值小于事前的比值，z值是负数 ...

引用原作者原帖的话
其中，odds ratio为自变量各自对应的风险比。请问该列的数值如何解释？（特别是age的系数.4640051如何解释？我无法理解教材上的解释：样本的年龄每增加一岁，他们的在学概率降低46.4%）

与我的解释

应解释为“年龄增加一岁后，入学几率减少了46.4%。”

对比我质疑的回答中所述：

增加一岁后，年龄增长后的发生比（入学概率）变为0.464。

因此46.4%是一个程度，而非最终的概率。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

沁爽

2018-2-26 12:06:37

guoguozlm 发表于 2009-7-7 21:01
可是为什么教材上写样本的年龄每增加一岁，他们的在学概率降低46.4%（而不是53.6%）？另一方面对sib1的解释 ...

后面一个解释是对的，前面的解释是错的。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

沁爽

2018-2-26 12:11:45

11605 发表于 2015-5-29 16:09
有些疑问，
以您的第一个参数解释为例，年龄增加一岁后，不应是概率变为0.464，而是增加一岁后，此概率改 ...

这个似乎不是根据z值来确定正负的。根据OR值与1的关系，确定增加或者减少。
当OR>1时，则新状态比原状态变化的倍数大于1。
在此处，年龄增加1岁后的入学率是原来年龄的0.464倍，则说明年龄增加1岁后，入学率下降了54.6%。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

windtalker312

2018-2-26 16:25:04

学习了，谢谢大家

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

celiaxmy

2019-11-23 12:18:15

guoguozlm 发表于 2009-7-7 21:01
可是为什么教材上写样本的年龄每增加一岁，他们的在学概率降低46.4%（而不是53.6%）？另一方面对sib1的解释 ...

46.4%写错了吧，应该是odd ratio-1的数字（若错误请纠正）

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

Jasmine哪

2020-12-13 08:57:09

yuanxiaotang 发表于 2010-7-31 10:29
又琢磨了一下，觉得有点眉目了。看看和你探讨一下啊，是不是这么回事儿。
Odds Ratio指的是事后与事先的事 ...

你好，最近在做相关研究，不知如何解释，请问如果ologit回归，因变量有多个有序类别，为1,2,3,4,5，而计算出的or为1.5，该如何解释呢？自变量从0变为1，因变量每增加一个等级的概率为48.5%嘛？感觉有点奇怪，好像

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群