Báo cáo kết quả hồi quy logistic

Tôi có đầu ra hồi quy logistic sau đây:

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)   0.5716     0.1734   3.297 0.000978 ***
R1           -0.4662     0.2183  -2.136 0.032697 *  
R2           -0.5270     0.2590  -2.035 0.041898 *  

Có thích hợp để báo cáo điều này theo cách sau:

Hệ số Beta, tỷ lệ lẻ, Zvalue, giá trị P. Nếu có, làm thế nào tôi có thể có được tỷ lệ lẻ?

Báo cáo đề xuất của bạn cho một bảng có vẻ hợp lý, mặc dù giá trị z và giá trị p là dự phòng. Nhiều tạp chí tôi quen thuộc không báo cáo giá trị z / giá trị p nào cả và chỉ sử dụng dấu hoa thị để báo cáo ý nghĩa thống kê. Tôi cũng đã thấy các bảng logistic chỉ với các tỷ lệ lẻ được báo cáo, mặc dù cá nhân tôi thích cả tỷ lệ cược log và tỷ lệ cược được báo cáo nếu không gian cho phép trong một bảng.

Nhưng các địa điểm khác nhau có thể có các hướng dẫn khác nhau về quy trình báo cáo, vì vậy những gì được mong đợi có thể khác nhau. Nếu tôi gửi một bài báo cho một tạp chí, tôi sẽ thường xuyên xem các bài báo gần đây đã tạo ra các bảng của họ như thế nào và chỉ bắt chước những bài báo đó. Nếu đó là giấy cá nhân của riêng bạn, yêu cầu bất cứ ai có thể xem xét thì đó sẽ là một yêu cầu hợp lý. Như tôi đã đề cập ở trên, các hạn chế về không gian ở một số địa điểm có thể ngăn bạn báo cáo thông tin cuối cùng dư thừa (chẳng hạn như cả tỷ lệ cược đăng nhập và tỷ lệ cược). Một số nơi có thể buộc bạn phải báo cáo kết quả hoàn toàn bằng văn bản!

$R^2$$R^2$

$e^{\hat{\beta}}$$e$$\hat{\beta}$exp(coefficient)

Cũng như một lưu ý, mặc dù đây là câu trả lời được chấp nhận hiện tại, cả lejohn và Frank Harrell đều đưa ra những lời khuyên rất hữu ích. Mặc dù tôi thường muốn các số liệu thống kê trong câu hỏi được báo cáo ở đâu đó, nhưng các câu trả lời khác cho lời khuyên về các biện pháp khác là những cách hữu ích để đánh giá kích thước hiệu ứng so với các hiệu ứng ước tính khác trong mô hình. Các quy trình đồ họa cũng hữu ích để kiểm tra kích thước hiệu ứng tương đối và xem hai bài báo này về việc biến các bảng thành biểu đồ làm ví dụ ( Kastellec & Leoni, 2007 ; Gelman et al., 2002 )

Câu trả lời cho câu hỏi này có thể phụ thuộc vào nền tảng kỷ luật của bạn.

Dưới đây là một số cân nhắc chung.

Các beta trong hồi quy logistic khá khó để giải thích trực tiếp. Vì vậy, báo cáo chúng rõ ràng chỉ được sử dụng rất hạn chế. Bạn nên bám vào tỷ lệ cược hoặc thậm chí với các hiệu ứng cận biên. Hiệu ứng cận biên của biến x là đạo hàm của xác suất mà các biến phụ thuộc của bạn bằng 1, tương ứng với x. Cách trình bày kết quả này rất phổ biến trong các nhà kinh tế. Cá nhân tôi tin rằng các hiệu ứng cận biên dễ hiểu hơn bởi các giáo dân (nhưng không chỉ bởi họ ...) so với tỷ lệ cược.

Một khả năng thú vị khác là sử dụng màn hình đồ họa. Một nơi mà bạn sẽ tìm thấy một số minh họa của phương pháp này là cuốn sách của Gelman và Hill . Tôi thấy điều này thậm chí còn tốt hơn so với báo cáo hiệu ứng cận biên.

Liên quan đến câu hỏi về cách lấy tỷ lệ cược, đây là cách bạn có thể làm điều đó trong R:

model <- glm(y ~ x1 + x2, family=binomial("logit"))
oddrat <- exp(coef(model))

Nó chỉ trong trường hợp đặc biệt trong đó các hệ số và chống nhật ký (tỷ lệ cược) của chúng là tóm tắt tốt. Đây là khi các mối quan hệ là tuyến tính và có một hệ số liên quan đến yếu tố dự đoán và khi thay đổi một đơn vị là cơ sở tốt để tính tỷ lệ chênh lệch (OK hơn theo tuổi, không quá nhiều cho số lượng bạch cầu có phạm vi 500-100.000). Nói chung, những thứ như tỷ lệ tỷ lệ cược giữa các nhóm là hữu ích. Tôi có thêm chi tiết về điều này tại http://biostat.mc.vanderbilt.edu/wiki/pub/Main/RmS/rms.pdf và rmsgói R thực hiện tất cả điều này một cách tự động (xử lý các điều khoản và tương tác phi tuyến, tính toán các phần tử của X, Vân vân.).

Nó có thể phụ thuộc vào khán giả và kỷ luật của bạn. Câu trả lời dưới đây là những gì thường được thực hiện cho các tạp chí Dịch tễ học, và ở mức độ thấp hơn các tạp chí y khoa.

Nói thẳng ra, chúng tôi không quan tâm đến giá trị p. Nghiêm túc mà nói, chúng tôi không. Dịch tễ học thậm chí sẽ không cho phép bạn báo cáo chúng trừ khi bạn có nhu cầu thực sự, thực sự cấp bách và lĩnh vực này về cơ bản là phù hợp.

Chúng tôi thậm chí có thể không quan tâm đến các ước tính beta, tùy thuộc vào câu hỏi. Nếu báo cáo của bạn là một cái gì đó mang tính phương pháp hoặc mô phỏng hơn, có lẽ tôi sẽ báo cáo ước tính beta và lỗi tiêu chuẩn. Nếu bạn đang cố gắng báo cáo hiệu ứng theo ước tính trong dân số, tôi sẽ gắn bó với Tỷ lệ lẻ và Khoảng tin cậy 95%. Đó là phần cốt lõi của ước tính của bạn và những gì độc giả trong lĩnh vực đó sẽ tìm kiếm.

Câu trả lời đã được đăng ở trên để biết cách lấy tỷ lệ cược, nhưng đối với OR & 95% CI:

OR = exp(beta)
95% CI = exp(beta +/- 1.96*std error)