ロジスティック回帰：連続変数の解釈

ロジスティック回帰における連続変数のオッズ比の解釈について、いくつか質問がありました。これらはロジスティック回帰に関する基本的な質問だと思います（おそらく一般的な回帰に関する質問です）。答えがわからないのは少し恥ずかしいのですが、自分のプライドを飲み込んで質問するので、未来！

これが私の状況です...私は、保護観察の一環として、職業生活のスキルトレーニングプログラムに参加している、裁判にかけられた若者のサンプルを見ています。彼らがプログラムから解放された年齢が、プログラムから解放されてから6か月後の雇用をどの程度予測したかを見たかったのです。

（また、モデルには他の予測子があることを覚えておいてください。ただし、統計的に有意ではなく、これをできるだけ明確にしたいので、除外しました。）

予測因子：トレーニングプログラムからのリリースの年齢（平均年齢= 17.4、SD = 1.2、範囲14.3-20.5）

結果：雇用されているかどうか（雇用されている= 1、雇用されていない= 0）

結果：オッズ比3.01（p <.005）（オッズ比の解釈についてのみ回答を求めているので、適合度の統計などは除外しました。モデルの適合性、CIの評価で快適に感じています。 、など）

言葉で言えば、年齢が1歳増えると、退院後6か月間雇用される確率が3単位増えます。

質問：

1）「年齢が1年上がると…」と言うと、年齢の原点は何ですか？

年齢はゼロから始まりますか？たとえば、「年齢が0から増加するにつれて（つまり、このモデルをグラフに配置した場合の最低年齢）...」

年齢は、サンプルの年齢範囲の中で最も低い年齢から始まりますか？たとえば、「年齢が14.3から上がるにつれて...」

または

年齢はサンプルの平均年齢から始まりますか？たとえば、「年齢が17.4から増加するにつれて...」、

2）センタリングはこの結果を解釈するのに役立ちますか、それともy-intの解釈にのみ効果がありますか？それが役立つ場合、サンプルの他のすべての年齢から範囲内の最低年齢を中心にするか、または差し引くことを意味することを考えていました。助言がありますか？

3）最後に、14歳の若者と比較して、17歳の若者は9倍雇用される可能性が高いと言えますか？私は、ロジスティック回帰がS字型の関係を前提としていることを知っているので、この3単位のオッズの増加が回帰直線に沿った任意の点で一貫しているのかどうか知りたいので、質問します。

本当にありがとう！

アーロン

1）オッズ比なので、どこから始めてもかまいません。18歳のオッズは、17歳のオッズの3倍です。または、17歳のオッズは18歳のオッズの1/3です。同じこと。特定の年齢の人が雇用される確率を取得したい場合は、式をパラメーターの推定値（ORではなく）と共に使用できます。または、使用しているプログラムを入手して実行することもできます。

2）センタリングが役立つかどうかは意見の問題です。中心化されたモデルは明確ではありませんが、一部の人々はそうします。

3）オッズは「可能性が高い」と正確に同じではなく（多くの人がそうであるかのように話す）、17歳のオッズは14歳のオッズの27倍になります。

最後に、このモデルについては注意が必要です。モデルは、ORが14と15、15と16の間で同じであることを前提としています。この件について私が知っていることからすれば、それは私にはありそうにないようです。

個人のトレーニング問題への登録の平均オッズは、他のすべての変数を一定に保持した後、1年若い/古い別の個人のオッズの＃倍です。

それが私の見解です。