多因素Logistic回归中调整set、age、mv的合并调整比值比计算咨询

用户问题 #

我需要计算多因素Logistic回归中调整set、age、mv三个预测变量的调整比值比，但不清楚如何计算同时调整这三个变量的单一调整比值比。以下是我在R中运行该回归的示例代码及结果：

glm(formula = early_stop ~ set + age + 
    mv, family = "binomial", data = DAT1)

Number of Fisher Scoring iterations: 3

coefficients(model_output)

(Intercept):                     
1.979493e+00
exp = 7.239072

set:
-7.687910e-01
exp = 0.4635732

age: 
-5.670446e-05
exp = 0.9999433 

mv: 
1.019634e-01
exp = 1.107343

请问是否存在计算该调整后early_stop的单一调整比值比的方法？

解答 #

首先明确：多因素Logistic回归里不存在“同时调整三个变量的单一调整比值比（OR）”——OR的核心是描述单个自变量在控制其他所有变量不变时的效应，你给出的结果里每个自变量对应的exp(系数)，就是已经调整了另外两个变量后的调整OR。

对结果逐一解释：

• set的调整OR为0.4636：表示在age和mv保持不变的情况下，set每增加1个单位，early_stop发生的概率是原来的0.4636倍（发生风险降低约53.64%）
• age的调整OR接近1（0.9999）：说明调整set和mv后，age对early_stop的影响几乎可以忽略，没有统计学上的显著效应
• mv的调整OR为1.1073：表示在set和age保持不变的情况下，mv每增加1个单位，early_stop发生的概率是原来的1.1073倍（发生风险增加约10.73%）

如果你的需求是对比不同自变量组合下early_stop的发生概率，或是计算某一特定组合相对于基准组合的OR，可以通过代入回归公式计算预测概率后再对比，但这不属于“单一调整OR”的范畴。

内容的提问来源于stack exchange，提问作者tronmed