ロジスティック回帰の結果を報告する

次のロジスティック回帰出力があります。

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 *  

次の方法で報告するのが適切ですか？

ベータ係数、オッズ比、Z値、P値。はいの場合、オッズ比はどのように取得できますか？

Z値とp値は冗長ですが、テーブルの推奨レポートは妥当なようです。私がよく知っている多くのジャーナルは、z値/ p値をまったく報告せず、アスタリスクのみを使用して統計的有意性を報告します。また、オッズ比が報告されているロジスティック表のみを見てきましたが、テーブルでスペースが許せば、ログオッズとオッズ比の両方が報告されることを個人的に好みます。

ただし、報告手順については、開催場所によってガイドが異なる場合があるため、予想される内容は異なる場合があります。ジャーナルに論文を投稿する場合、他の最近の論文がどのようにテーブルを作成したかを頻繁に確認し、それらを模倣するだけです。それがあなた自身の個人的な論文である場合、それをレビューしている可能性のある人に尋ねるのは合理的な要求でしょう。前述したように、一部の会場のスペースの制約により、最終的に冗長な情報（ログオッズとオッズ比の両方など）を報告できない場合があります。一部の場所では、結果を完全にテキストで報告する必要があります。

また、他にどのモデルの要約を報告するかという問題もあります。私がよく知っている多くのジャーナルが擬似値を頻繁に報告していますが、さまざまな対策の弱点について議論しているサイトのスレッドです。個人的には分類率を報告することを好みますが、これも開催地によって異なると思われます（一部の雑誌は、報告する疑似R 2対策の1つを具体的に要求すると想像できます）。$R^2$$R^2$

オッズ比はちょうど回帰係数を累乗取得するには（すなわち取るどこeはのベースである自然対数とβは推定ロジスティック回帰係数である。）これを計算するための統計的言語で良いの推測があります。$e^{\hat{\beta}}$$e$$\hat{\beta}$exp(coefficient)

また、これは現在受け入れられている回答ですが、メモとして、lejohnとFrank Harrellは非常に役立つアドバイスを提供します。私は通常、質問の統計をどこかで常に報告することを望みますが、他の指標に関する他の回答のアドバイスは、モデルの他の推定効果と比較して効果サイズを評価するための有用な方法です。グラフィカルな手順は、相対的な効果の大きさを調べるのにも役立ち、例として表をグラフに変換するこれら2つの論文を参照してください（Kastellec＆Leoni、2007 ; Gelman et al。、2002）

この質問に対する答えは、あなたの懲戒的背景に依存するかもしれません。

一般的な考慮事項を次に示します。

ロジスティック回帰のベータ版を直接解釈するのは非常に困難です。したがって、それらを明示的に報告することは、非常に限られた用途のみです。オッズ比または限界効果に固執する必要があります。変数xの限界効果は、xに関して従属変数が1に等しい確率の導関数です。この結果の表示方法は、経済学者の間で非常に人気があります。個人的には、マージナル効果は、オッズ比よりも素人だけが簡単に理解できると信じています（しかし、それらだけではありません）。

別の興味深い可能性は、グラフィック表示を使用することです。このアプローチのイラストを見つける場所は、Gelman and Hillの本です。これは、限界効果を報告するよりも優れていると思います。

オッズ比を取得する方法に関する質問については、Rでそれを行う方法を次に示します。

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

係数とその対数（オッズ比）が適切な要約である特別な場合のみです。これは、関係が線形であり、予測変数に関連付けられた1つの係数があり、1単位の変化がオッズ比を計算するための適切な基盤である場合です（年齢についてはより問題なく、範囲が500〜100,000）。一般に、四分位範囲間のオッズ比などが役立ちます。詳細については、http：//biostat.mc.vanderbilt.edu/wiki/pub/Main/RmS/rms.pdfを参照してください。R rmsパッケージはこれをすべて自動的に行います（非線形項と相互作用の処理、Xの四分位数の計算、等。）。

それはおそらくあなたの聴衆と規律に依存します。以下の答えは、疫学雑誌、およびそれほどではないが医学雑誌で通常行われていることです。

率直に言うと、p値は重要ではありません。真剣に、私たちはしません。疫学は、あなたが本当に差し迫った必要性がなければ、それらを報告することさえできず、その分野は本質的に追随しています。

質問によっては、ベータ版の見積もりも気にしないかもしれません。あなたの報告がより方法論的またはシミュレーション志向のものである場合、おそらくベータ推定値と標準誤差を報告するでしょう。人口で推定される効果を報告しようとしている場合は、オッズ比と95％信頼区間に固執します。それがあなたの見積もりの​​要点であり、その分野の読者が探しているものです。

オッズ比を取得する方法については上記の回答が掲載されていますが、ORおよび95％CIについては：

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