Hồi quy logistic: Giải thích các biến liên tục

Tôi đã có một vài câu hỏi về việc diễn giải tỷ lệ cược cho các biến liên tục trong hồi quy logistic. Tôi cảm thấy đây là những câu hỏi cơ bản về hồi quy logistic (và có lẽ là về hồi quy nói chung), và mặc dù tôi hơi xấu hổ vì tôi không biết câu trả lời, tôi sẽ nuốt niềm tự hào của mình và hỏi họ để tôi biết tương lai!

Đây là tình huống của tôi ... Tôi đang xem một mẫu thanh niên bị xét xử, như một phần của quản chế, đã được ghi danh vào một chương trình đào tạo kỹ năng sống / công việc. Tôi muốn xem mức độ mà họ được phát hành từ chương trình dự đoán việc làm sau sáu tháng phát hành sau chương trình.

(Ngoài ra, hãy nhớ rằng có các dự đoán khác trong mô hình, nhưng tôi đã loại trừ chúng vì chúng không có ý nghĩa thống kê và tôi muốn giữ điều này rõ ràng nhất có thể.)

Người dự đoán: Tuổi phát hành từ chương trình đào tạo (Tuổi trung bình = 17,4, SD = 1,2, Phạm vi 14,3-20,5)

Kết quả: Có việc làm hoặc không (Có việc làm = 1, Không có việc làm = 0)

Kết quả: Tỷ lệ chênh lệch 3,01 (p <0,005) (Tôi đã loại trừ mức độ tốt của các chỉ số phù hợp, v.v. bởi vì tôi đang tìm kiếm câu trả lời về việc giải thích tỷ lệ chênh lệch chỉ; Tôi cảm thấy thoải mái khi đánh giá mức độ phù hợp của mô hình, CI , Vân vân.)

Đặt nó thành từ: Khi tuổi tăng thêm một năm, tỷ lệ được sử dụng sáu tháng sau khi xuất viện tăng thêm ba đơn vị.

Câu hỏi:

1) Khi tôi nói, "Khi tuổi tăng thêm một năm ..." điểm bắt đầu của tuổi là gì?

Tuổi bắt đầu từ 0? Ví dụ: "Khi tuổi tăng từ 0 [tức là độ tuổi thấp nhất nếu bạn đặt mô hình này trên biểu đồ] ...

Tuổi bắt đầu ở độ tuổi thấp nhất trong số các độ tuổi trong mẫu? Ví dụ, tuổi Khi tuổi tăng từ 14,3 ...

HOẶC LÀ

Tuổi bắt đầu ở tuổi trung bình của mẫu? Ví dụ, tuổi Khi tuổi tăng từ 17,4 ...

2) Việc định tâm có giúp tôi diễn giải kết quả này HOẶC điều đó chỉ hiệu quả trong việc diễn giải y-int? Nếu nó có ích, tôi đã nghĩ đến việc làm trung tâm hoặc trừ đi độ tuổi thấp nhất trong phạm vi từ tất cả các độ tuổi khác trong mẫu. Bất kỳ đề xuất?

3) Cuối cùng, có thích hợp để nói rằng so với một thanh niên 14 tuổi, một thanh niên 17 tuổi có khả năng được tuyển dụng cao gấp chín lần? Tôi hỏi bởi vì tôi biết rằng hồi quy logistic giả định mối quan hệ sigmoidal, và tôi tò mò liệu 3 đơn vị tăng tỷ lệ cược này có nhất quán ở bất kỳ điểm nào dọc theo đường hồi quy hay không.

Cám ơn rất nhiều!

Aaron

1) Vì nó là một tỷ lệ cược tỷ lệ nó không quan trọng nơi bạn bắt đầu. Tỷ lệ cược cho một người 18 tuổi là 3 lần so với tỷ lệ 17 tuổi. Hoặc tỷ lệ cược cho một người 17 tuổi là 1/3 so với một người 18 tuổi. Điều tương tự. Nếu bạn muốn có xác suất một người ở độ tuổi cụ thể sẽ được tuyển dụng, bạn có thể sử dụng công thức với các ước tính tham số (không phải OR). Hoặc bạn có thể lấy chương trình bạn đang sử dụng để làm điều đó cho bạn.

2) Cho dù định tâm giúp là một vấn đề quan điểm. Tôi không tìm thấy mô hình trung tâm rõ ràng hơn, nhưng một số người làm.

3) Tỷ lệ cược không hoàn toàn giống với "có khả năng" (mặc dù nhiều người nói như thể họ) và tỷ lệ cược cho một người 17 tuổi sẽ gấp 27 lần so với một người 14 tuổi.

Cuối cùng, tôi sẽ thận trọng về mô hình này. Mô hình giả định rằng OR giống nhau giữa 14 và 15, 15 và 16, v.v. Điều đó dường như không thể đối với tôi, dựa trên những gì tôi biết về chủ đề này.

Tỷ lệ cược trung bình của việc đăng ký vào vấn đề đào tạo cho một cá nhân là # lần tỷ lệ cược cho một cá nhân khác trẻ hơn một tuổi / tuổi, sau khi giữ tất cả các biến khác không đổi.

Đó là của tôi.