Tôi hơi mới khi sử dụng hồi quy logistic và hơi bối rối bởi sự khác biệt giữa các diễn giải của tôi về các giá trị sau mà tôi nghĩ sẽ giống nhau:
- giá trị beta lũy thừa
- dự đoán xác suất của kết quả bằng cách sử dụng các giá trị beta.
Đây là phiên bản đơn giản của mô hình tôi đang sử dụng, trong đó suy dinh dưỡng và bảo hiểm đều là nhị phân và sự giàu có là liên tục:
Under.Nutrition ~ insurance + wealth
Mô hình (thực tế) của tôi trả về giá trị beta lũy thừa là 8 cho bảo hiểm, mà tôi sẽ hiểu là:
"Xác suất bị thiếu dinh dưỡng cho một cá nhân được bảo hiểm là gấp 8 lần xác suất bị suy dinh dưỡng đối với một cá nhân không có bảo hiểm."
Tuy nhiên, khi tôi tính toán sự khác biệt về xác suất cho các cá nhân bằng cách đưa các giá trị 0 và 1 vào biến bảo hiểm và giá trị trung bình của sự giàu có, sự khác biệt về suy dinh dưỡng chỉ là 0,04. Điều đó được tính như sau:
Probability Undernourished = exp(β0 + β1*Insurance + β2*Wealth) /
(1+exp(β0 + β1*Insurance + β2*wealth))
Tôi thực sự sẽ đánh giá cao nếu ai đó có thể giải thích tại sao các giá trị này khác nhau và cách giải thích tốt hơn (đặc biệt đối với giá trị thứ hai) có thể là gì.
Chỉnh sửa làm rõ thêm
Theo tôi hiểu, xác suất được nuôi dưỡng cho một người không có bảo hiểm (trong đó B1 tương ứng với bảo hiểm) là:
Prob(Unins) = exp(β0 + β1*0 + β2*Wealth) /
(1+exp(β0 + β1*0+ β2*wealth))
Trong khi Xác suất được nuôi dưỡng cho một người được bảo hiểm là:
Prob(Ins)= exp(β0 + β1*1 + β2*Wealth) /
(1+exp(β0 + β1*1+ β2*wealth))
Tỷ lệ thiếu dinh dưỡng đối với người không có bảo hiểm so với người được bảo hiểm là:
exp(B1)
Có cách nào để dịch giữa các giá trị này (về mặt toán học) không? Tôi vẫn còn một chút bối rối bởi phương trình này (nơi tôi có lẽ nên là một giá trị khác trên RHS):
Prob(Ins) - Prob(Unins) != exp(B)
Theo thuật ngữ của giáo dân, câu hỏi đặt ra là tại sao không bảo đảm cho một cá nhân thay đổi xác suất bị thiếu dinh dưỡng nhiều như tỷ lệ chênh lệch cho thấy điều đó xảy ra? Trong dữ liệu của tôi, Prob (Ins) - Prob (Unins) = .04, trong đó giá trị beta lũy thừa là .8 (vậy tại sao sự khác biệt không phải là .2?)