有关Binary Logistic结果的解释

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

假设有这样一个冠心病的模型，因变量为是否冠心病，那这个应该用binary logistic回归做，但是其中有一个自变量（或叫协变量）是一个数值变量，而且有两位小数点的那种数值，结果发现该变量P值<0.05，Exp（B）1.213，这样的结果说明这个自变量与冠心病是有关系的，那么这个结果怎么解读呢？
应该不需要将这个自变量进行切分变成二项分布吧？如果一定要切分的话，怎么切分呢？
谢谢高手的指点

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

分享0 收藏1 回帖

关键词：logistic logisti ogistic logist Binary 冠心病 小数点 因变量 自变量 而且

二分类的非条件的logistic回归中，应变量一般是二分类变量，自变量大部分是分类变量，也可以有一些数值变量
如果说你有连续性的自变量的话，例如年龄，饮酒量等，你可以划分一下转换成分类变量，设置哑变量的形式进行分析，设置一个参照，然后解释的时候可以解释对于参照来说，例如，年龄设置几个哑变量之后，可以这样说，60岁及以上的人患冠心病的风险是15-20岁（参照年龄组组）年龄组的4.134倍。

年龄的话根据临床经验还可以大致分成两组或三组，但是某些生化指标就不容易操作了，不可能一个一个的去尝试直到找到显著性为止呀。有什么经验吗？

看了之后发现自己要学习的东西还真多。

所有连续型自变量都要变成分类变量吗？具体是怎么回事，变成1、2、3....?请求高手指点

结果是该协变量每变化一个单位，冠心病的风险（假设冠心病取值1）增加（或减少，取决于向量符号）Exp^1.213=3.36倍。

顶2楼说法，将连续型变量转换成分类变量后，结果解释会容易很多，比如年龄如果不分组，那就是每增加1年，因变量会如何如何变化，但1年，对某些疾病怕是没什么影响，如果以10年为1个单位，就容易解释多了。虽然如此，模型并不要求自变量是分类变量，实在无法分类，也就不用分了，但最好将连续变量“居中化”，就是每个观测的相应变量都减去该变量的均数而生成一个“新”变量，这样，所有比较都是针对该连续变量的均值的，就容易解释了，否则，解释以该连续变量的最小值为参照。