Interpretación de resultados de la regresión logística en R

Question

Estoy trabajando en una regresión logística múltiple en R usando glm. Las variables predictoras son continuas y categóricas. Un extracto del resumen de la modelo muestra lo siguiente:

Coefficients:
               Estimate Std. Error z value Pr(>|z|)
(Intercept)   2.451e+00  2.439e+00   1.005   0.3150
Age           5.747e-02  3.466e-02   1.658   0.0973 .
BMI          -7.750e-02  7.090e-02  -1.093   0.2743
...
---
Signif. codes:  0 ‘***' 0.001 ‘**' 0.01 ‘*' 0.05 ‘.' 0.1 ‘ ' 1

Intervalos de confianza:

                  2.5 %       97.5 %
(Intercept)  0.10969506 1.863217e+03
Age          0.99565783 1.142627e+00
BMI          0.80089276 1.064256e+00
...

Odd ratios:

                 Estimate Std. Error   z value Pr(>|z|)
(Intercept)  1.159642e+01  11.464683 2.7310435 1.370327
Age          1.059155e+00   1.035269 5.2491658 1.102195
B            9.254228e-01   1.073477 0.3351730 1.315670
...

El primer resultado muestra que $Age$ es significativo. Sin embargo, el intervalo de confianza para $Age$ incluye el valor 1 y el cociente de probabilidad para $Age$ es muy cercano a 1. ¿Qué hace el significativo p-valor de la primera salida de la media? Es $Age$ un predictor de los resultados o no?

Answer 1

Hay una serie de preguntas aquí en el sitio que le ayuda con la interpretación de los modelos de salida (aquí hay tres ejemplos diferentes, 1 2 3 , y estoy seguro de que hay más si cave, a través del archivo). Aquí también es un tutorial en el UCLA estadísticas de la página web sobre cómo interpretar los coeficientes de la regresión logística.

Aunque el odds-ratio para la edad coeficiente es cercano a uno, eso no significa necesariamente que el efecto es pequeño (si el efecto es pequeño o grande es con frecuencia como mucho una pregunta normativa como es empírica). Uno tendría que conocer la variación típica de la edad entre las observaciones de una manera más informada opinión.