R语言logistic regression健康满意度预测结果反直觉 是重编码错误吗？

• 混淆回归系数与优势比（OR）的概念
  你提到的-1.079、0.41为logistic回归输出的原始log-odds系数，并非OR。OR需要对系数取指数计算，公式为exp(coef(你的模型名称))，所有OR的取值均为正数，不可能出现负值。以90岁以上年龄组系数-1.079为例，其OR为exp(-1.079)≈0.34，若模型预测的是健康良好的概率，该结果表示控制其他变量时，90岁以上群体健康良好的优势仅为参照组的34%，即健康不良的风险更高，本身符合常识，你可能是直接将原始系数当做OR解读才出现逻辑矛盾。
• 因变量参照组设置错误
  R的glm()函数拟合二项logistic回归时，默认预测因子型因变量第二个水平的发生概率。如果你的因变量未设置为因子、或因子水平排序不符合你的分析预期，就会得到完全反向的系数。你可以用levels(你的数据集名$c_Sclfsat1)查看因子顺序，第一个输出值为参照组，第二个为模型预测的目标事件组。如果顺序相反，可以通过relevel()调整，示例代码为df$c_Sclfsat1 <- relevel(factor(df$c_Sclfsat1), ref = "0")，调整后模型会以0（不良）为参照，预测1（良好）的发生概率。
• 自变量参照组设置错误
  分类自变量如果未显式指定参照组，R会默认按因子水平的排序选择第一个组作为参照，若年龄组的因子排序默认将90岁以上组设为参照，后续年龄组的系数都是和90岁以上组对比得出的，解读方向就会和你预期的“以年轻组为参照”完全相反。你可以逐一检查所有分类自变量的因子水平顺序，将符合分析逻辑的组（通常为最年轻的年龄组、暴露水平最低的组等）设为参照后重新拟合模型。
• 重编码错误排查方向
  如果上述设置均无问题，可以核查重编码流程的逻辑问题：
  • 分类变量编码是否颠倒，比如是否将40-49岁组编码为最高值、90岁以上组编码为最低值
  • 重编码时是否将缺失值、异常值错误归入某一分类组
  • 连续变量是否误做了反向缩放，比如收入原本取值越高代表收入越高，重编码后变成取值越高收入越低

内容的提问来源于stack exchange，提问作者danlroberts