Regresión logística: Interpreting Continuous Variables

Question

Tenía un par de preguntas sobre la interpretación de las razones de momios para variables continuas en regresión logística. Siento que estas son preguntas básicas sobre regresión logística (y probablemente sobre regresión en general), y aunque me da un poco de vergüenza no saber las respuestas, voy a tragar mi orgullo y preguntarlas para saberlas en el futuro.

Aquí está mi situación... Estoy mirando una muestra de jóvenes adjudicados que, como parte de su libertad condicional, fueron inscritos en un programa de entrenamiento en habilidades para el trabajo/vida. Quería ver hasta qué punto la edad en la que fueron liberados del programa predecía el empleo seis meses después de ser liberados del programa.

(Además, ten en cuenta que hay otros predictores en el modelo, pero los he excluido porque no son estadísticamente significativos y quiero mantener esto lo más claro posible.)

Predicador: Edad al ser liberado del programa de entrenamiento (Edad promedio = 17.4, DE=1.2, Rango 14.3-20.5)

Resultado: Razón de momios 3.01 (p<.005) (He excluido estadísticas de bondad de ajuste, etc. porque busco respuestas sobre la interpretación de la razón de momios solamente; me siento cómodo con la evaluación del ajuste del modelo, IC, etc.)

Expresándolo en palabras: A medida que la edad aumenta en un año, las probabilidades de estar empleado seis meses después del alta aumentan en tres unidades.

Preguntas:

1) Cuando digo, "A medida que la edad aumenta en un año..." ¿cuál es el punto de partida para la edad?

¿La edad comienza en cero? Por ejemplo, "A medida que la edad aumenta desde 0 [es decir, la edad más baja si colocaras este modelo en un gráfico]..."

¿La edad comienza en la edad más baja entre el rango de edades de la muestra? Por ejemplo, "A medida que la edad aumenta desde 14.3..."

O

¿La edad comienza en la edad promedio de la muestra? Por ejemplo, "A medida que la edad aumenta desde 17.4...",

2) ¿Ayudaría centrar para interpretar este resultado O solo es efectivo al interpretar la intersección en y? Si ayudara, estaba pensando en hacer centrado en la media o restar la edad más baja en el rango de todas las demás edades en la muestra. ¿Alguna sugerencia?

3) Por último, ¿es apropiado decir que en comparación con un joven de 14 años, un joven de 17 años tiene nueve veces más probabilidades de estar empleado? Pregunto esto porque sé que la regresión logística asume una relación sigmoidea, y me intriga si este aumento de 3 unidades en las probabilidades se mantiene consistente en algún punto a lo largo de la línea de regresión.

¡Muchas gracias!

Aaron

Answer 1

1) Dado que es una proporción de probabilidades, no importa desde dónde comiences. Las probabilidades para un joven de 18 años son 3 veces las de un joven de 17 años. O las probabilidades para un joven de 17 años son 1/3 de las de un joven de 18 años. Lo mismo. Si deseas obtener la probabilidad de que una persona de una edad específica esté empleada, puedes usar la fórmula con las estimaciones de los parámetros (no las proporciones de probabilidades). O puedes hacer que el programa que estás utilizando lo haga por ti.

2) Si el centrado ayuda es cuestión de opinión. Personalmente no encuentro que los modelos centrados sean más claros, aunque algunas personas sí.

3) Las probabilidades no son exactamente lo mismo que "probable" (aunque muchas personas hablan como si lo fueran) y las probabilidades para un joven de 17 años serían 27 veces las de un joven de 14 años.

Finalmente, sería prudente tener precaución con este modelo. El modelo asume que la proporción de probabilidades es la misma entre los 14 y 15 años, 15 y 16 y así sucesivamente. Eso me parece poco probable, basado en lo que sé sobre el tema.

Answer 2

La probabilidad media de inscribirse en el problema de capacitación para un individuo es # veces la probabilidad para otro individuo que es un año más joven/más viejo, después de mantener todas las demás variables constantes.

Esa es mi opinión.