Regresie logistică multinomială | Stata Annotated Output

Această pagină prezintă un exemplu de analiză de regresie logistică multinomială cu note de subsol care explică rezultatul. Datele au fost colectate de la 200 de elevi de liceu și sunt scoruri la diverse teste, inclusiv la un joc video și la un puzzle. Măsura de rezultat în această analiză este aroma preferată de înghețată – vanilie, ciocolată sau căpșuni – din care vom vedea ce relații există cu scorurile la jocurile video (video), scorurile la puzzle (puzzle) și sexul (feminin). Variabila noastră de răspuns, înghețată_cremă, va fi tratată ca fiind categorică, presupunând că nivelurile de înghețată_cremă nu au o ordine naturală, iar noi vom permite Stata să aleagă grupul de referință. În exemplul nostru, acesta va fi vanilie. În mod implicit, Stata alege grupul cel mai frecvent întâlnit ca grup de referință. Prima jumătate a acestei pagini interpretează coeficienții în termeni de cote logaritmice multinomiale (logits). Aceștia vor fi apropiați, dar nu egali cu log-odds obținuți într-o regresie logistică cu două niveluri ale variabilei rezultat. A doua jumătate interpretează coeficienții în termeni de rapoarte de risc relativ.

use https://stats.idre.ucla.edu/stat/stata/output/mlogit, clear

Înainte de a rula regresia, obținerea unei frecvențe a aromelor de înghețată din date poate informa selecția unui grup de referință.

tab ice_cream favorite flavor of ice cream | Freq. Percent Cum. ------------+----------------------------------- chocolate | 47 23.50 23.50 vanilla | 95 47.50 71.00 strawberry | 58 29.00 100.00 ------------+----------------------------------- Total | 200 100.00

Vanilia este cea mai frecventă aromă de înghețată și va fi grupul de referință în acest exemplu.

mlogit ice_cream video puzzle femaleIteration 0: log likelihood = -210.58254Iteration 1: log likelihood = -194.75041Iteration 2: log likelihood = -194.03782Iteration 3: log likelihood = -194.03485Iteration 4: log likelihood = -194.03485Multinomial logistic regression Number of obs = 200 LR chi2(6) = 33.10 Prob > chi2 = 0.0000Log likelihood = -194.03485 Pseudo R2 = 0.0786------------------------------------------------------------------------------ ice_cream | Coef. Std. Err. z P>|z| -------------+----------------------------------------------------------------chocolate | video | -.0235647 .0209747 -1.12 0.261 -.0646744 .017545 puzzle | -.0389243 .0195165 -1.99 0.046 -.0771759 -.0006726 female | .8166202 .3909813 2.09 0.037 .050311 1.582929 _cons | 1.912256 1.127256 1.70 0.090 -.2971258 4.121638-------------+----------------------------------------------------------------strawberry | video | .022922 .0208718 1.10 0.272 -.0179861 .0638301 puzzle | .0430036 .0198894 2.16 0.031 .0040211 .081986 female | -.032862 .3500153 -0.09 0.925 -.7188793 .6531553 _cons | -4.057323 1.222939 -3.32 0.001 -6.45424 -1.660407------------------------------------------------------------------------------(ice_cream==vanilla is the base outcome)

Iteration Loga

Iteration 0: log likelihood = -210.58254Iteration 1: log likelihood = -194.75041Iteration 2: log likelihood = -194.03782Iteration 3: log likelihood = -194.03485Iteration 4: log likelihood = -194.03485

a. Iteration Log – Aceasta este o listă a logaritmilor de probabilitate la fiecare iterație. Rețineți că regresia logistică multinomială, la fel ca și regresia logistică binară și ordonată, utilizează estimarea de maximă verosimilitate, care este o procedură iterativă. Prima iterație (numită iterația 0) reprezintă verosimilitudinea logaritmică a modelului „nul” sau „gol”, adică un model fără predictori. La următoarea iterație, predictorul (predictorii) este (sunt) inclus(i) în model. La fiecare iterație, probabilitatea logaritmică crește, deoarece scopul este de a maximiza probabilitatea logaritmică. Atunci când diferența dintre iterațiile succesive este foarte mică, se spune că modelul a „convergent”, iterația se oprește, iar rezultatele sunt afișate. Pentru mai multe informații despre acest proces pentru rezultate binare, consultațiRegression Models for Categorical and Limited Dependent Variables de J. Scott Long (pagina 52-61).

Model Summary

Multinomial logistic regression Number of obsc = 200 LR chi2(6)d = 33.10 Prob > chi2e = 0.0000Log likelihood = -194.03485b Pseudo R2f = 0.0786

b. Log Likelihood – Aceasta este probabilitatea logaritmică a modelului ajustat. Se utilizează în testul Likelihood Ratio Chi-Square pentru a determina dacă toți coeficienții de regresie ai predictorilor din model sunt simultan zero și în testele modelelor imbricate.

c. Number of obs – Acesta este numărul de observații utilizate în regresia logistică multinomială. Acesta poate fi mai mic decât numărul de cazuri din setul de date dacă există valori lipsă pentru unele variabile din ecuație. În mod implicit, Stata efectuează o ștergere în listă a cazurilor incomplete.

d. LR chi2(6) – Acesta este testul Chi-pătrat al raportului de verosimilitate (LR) că pentru ambele ecuații (ciocolată în raport cu vanilie și căpșuni în raport cu vanilie) că cel puțin unul dintre coeficienții de regresie ai predictorilor nu este egal cu zero. Numărul din paranteze indică gradele de libertate ale distribuției Chi-Square utilizate pentru a testa statistica Chi-Square LR și este definit de numărul de modele estimate (2) înmulțit cu numărul de predictori din model (3). Statistica LR Chi-Square poate fi calculată prin -2*( L(model nul) – L(model ajustat)) = -2*((-210,583) – (-194,035)) = 33,096, unde L(model nul) provine din probabilitatea logaritmică cu doar variabila de răspuns în model (iterația 0) și L(model ajustat) este probabilitatea logaritmică de la iterația finală (presupunând că modelul a convergent) cu toți parametrii.

e. Prob > chi2 – Aceasta este probabilitatea de a obține o statistică de test LR la fel de extremă sau mai extremă decât statistica observată în ipoteza nulă; ipoteza nulă este că toți coeficienții de regresie din ambele modele sunt simultan egali cu zero. Cu alte cuvinte, aceasta este probabilitatea de a obține această statistică chi-pătrat (33,10) sau una mai extremă dacă, de fapt, nu există niciun efect al variabilelor predictoare. Această valoare p este comparată cu un nivel alfa specificat, disponibilitatea noastră de a accepta o eroare de tip I, care este de obicei stabilită la 0,05 sau 0,01. Valoarea p mică din testul LR, <0,00001, ne-ar conduce la concluzia că cel puțin unul dintre coeficienții de regresie din model nu este egal cu zero. Parametrul distribuției chi-pătrat utilizat pentru a testa ipoteza nulă este definit de gradele de libertate din linia anterioară, chi2(6).

f. Pseudo R2 – Acesta este pseudo R pătrat al lui McFadden. Regresia logistică nu are un echivalent al R pătrat care se găsește în regresia OLS; cu toate acestea, multe persoane au încercat să găsească unul. Există o mare varietate de statistici pseudo-R-pătrat. Deoarece această statistică nu înseamnă ceea ce înseamnă R-pătrat în regresia OLS (proporția de varianță a variabilei de răspuns explicată de predictori), sugerăm interpretarea acestei statistici cu mare prudență.

Stimarea parametrilor

------------------------------------------------------------------------------ ice_creamg | Coef.h Std. Err.j zk P>|z|k l-------------+----------------------------------------------------------------chocolate | video | -.0235647 .0209747 -1.12 0.261 -.0646744 .017545 puzzle | -.0389243 .0195165 -1.99 0.046 -.0771759 -.0006726 female | .8166202 .3909813 2.09 0.037 .050311 1.582929 _cons | 1.912256 1.127256 1.70 0.090 -.2971258 4.121638-------------+----------------------------------------------------------------strawberry | video | .022922 .0208718 1.10 0.272 -.0179861 .0638301 puzzle | .0430036 .0198894 2.16 0.031 .0040211 .081986 female | -.032862 .3500153 -0.09 0.925 -.7188793 .6531553 _cons | -4.057323 1.222939 -3.32 0.001 -6.45424 -1.660407------------------------------------------------------------------------------(ice_cream==vanilla is the base outcome)i

g. ice_cream – Aceasta este variabila de răspuns în regresia logistică multinomială. Sub ice_cream se află două replici ale variabilelor predictoare, reprezentând cele două modele care sunt estimate: ciocolată în raport cu vanilie și căpșuni în raport cu vanilie.

h și i. Coef. și grup referent – Aceștia sunt coeficienții estimați ai regresiei logistice multinomiale și, respectiv, nivelul referentului, pentru model. O caracteristică importantă a modelului logit multinomial este că acesta estimează k-1 modele, unde k este numărul de niveluri ale variabilei de rezultat. În acest caz, Stata, în mod implicit, a stabilit vanilia ca grup de referință și, prin urmare, a estimat un model pentru ciocolată în raport cu vanilia și un model pentru căpșuni în raport cu vanilia. Deoarece estimările parametrilor sunt relative la grupul de referință, interpretarea standard a logitului multinomial este că, pentru o schimbare de o unitate în variabila predictoare, se așteaptă ca logitul rezultatului m în raport cu grupul de referință să se modifice cu estimarea parametrului respectiv (care este în unități de cote logaritmice), având în vedere că variabilele din model sunt menținute constante.

ciocolată în raport cu vanilie

video – Aceasta este estimarea logit multinomial pentru o creștere de o unitate a scorului video pentru ciocolată în raport cu vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul video cu un punct, s-ar aștepta ca șansele logaritmice multinomiale pentru preferința ciocolatei față de vanilie să scadă cu 0,024 unități, în condițiile în care toate celelalte variabile din model sunt constante.

puzzle – Aceasta este estimarea logit multinomială pentru o creștere de o unitate a scorului la puzzle pentru ciocolată în raport cu vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul la puzzle cu un punct, s-ar aștepta ca șansele logaritmice multinomiale pentru preferința ciocolatei față de vanilie să scadă cu 0,039 unități, în condițiile în care toate celelalte variabile din model sunt constante.

feminin – Aceasta este estimarea logit multinomială care compară femeile cu bărbații pentru ciocolată în raport cu vanilia, având în vedere că celelalte variabile din model sunt menținute constante. Logit multinomial pentru femei în raport cu bărbații este cu 0,817 unități mai mare pentru preferința pentru ciocolată față de vanilie, având în vedere că toate celelalte variabile predictive din model sunt menținute constante. Cu alte cuvinte, este mai probabil ca femeile să prefere ciocolata în locul vaniliei decât bărbații.

_cons – Aceasta este estimarea logit multinomial pentru ciocolată în raport cu vanilia atunci când variabilele predictive din model sunt evaluate la zero. Pentru bărbați (variabila femeie evaluată la zero) cu scoruri zero la video și puzzle, logit pentru preferința ciocolatei față de vanilie este de 1,912. Rețineți că evaluarea videoclipului și a puzzle-ului la zero este în afara intervalului de scoruri plauzibile. Dacă scorurile ar fi centrate pe medie, interceptul ar avea o interpretare naturală: șansele logice de a prefera ciocolata în locul vaniliei pentru un bărbat cu scoruri medii la video și puzzle.

căpșuni în raport cu vanilie

video – Aceasta este estimarea logit multinomial pentru o creștere de o unitate a scorului video pentru căpșuni în raport cu vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul video cu un punct, s-ar aștepta ca șansele logaritmice multinomiale de preferință pentru căpșuni față de vanilie să crească cu 0,023 unități, în condițiile în care toate celelalte variabile din model sunt constante.

puzzle – Aceasta este estimarea logit multinomială pentru o creștere cu o unitate a scorului la puzzle pentru căpșuni în raport cu vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul la puzzle cu un punct, s-ar aștepta ca șansele logaritmice multinomiale de preferință pentru căpșuni față de vanilie să crească cu 0,043 unități, în condițiile în care toate celelalte variabile din model sunt constante.

feminin – Aceasta este estimarea logit multinomială care compară femeile cu bărbații pentru căpșuni în raport cu vanilia, având în vedere că celelalte variabile din model sunt menținute constante. Logit multinomial pentru femei în raport cu bărbații este cu 0,033 unități mai mic pentru preferința căpșunilor față de vanilie, având în vedere că toate celelalte variabile predictive din model sunt menținute constante. Cu alte cuvinte, este mai probabil ca bărbații să prefere înghețata de căpșuni decât înghețata de vanilie decât femeile.

_cons – Aceasta este estimarea logit multinomial pentru căpșuni în raport cu vanilia atunci când variabilele predictive din model sunt evaluate la zero. Pentru bărbați (variabila femeie evaluată la zero) cu scoruri zero la video și puzzle, logit pentru preferința pentru căpșuni față de vanilie este -4,057.

j. Err. std. – Acestea sunt erorile standard ale coeficienților de regresie individuali pentru cele două modele respective estimate. Acestea sunt utilizate atât în calculul statisticii de test z, cu indicele k, cât și în intervalul de încredere al coeficientului de regresie, cu indicele l.

k. z și P>|z| – Statistica de test z este raportul dintre Coef. și Std. Err. al predictorului respectiv, iar valoarea p P>|z| este probabilitatea ca statistica de test z (sau o statistică de test mai extremă) să fie observată în ipoteza nulă. Pentru un nivel alfa dat, z și P>|z| determină dacă se poate respinge sau nu ipoteza nulă conform căreia coeficientul de regresie al unui anumit predictor este zero, având în vedere că restul predictorilor se află în model. Dacă P>|z|este mai mică decât alfa, atunci ipoteza nulă poate fi respinsă, iar estimarea parametrului este considerată semnificativă la acel nivel alfa. Valoarea z urmează o distribuție normală standard, care este utilizată pentru a testa împotriva unei ipoteze alternative bilaterale conform căreia Coef. nu este egal cu zero. În regresia logistică multinomială, interpretarea semnificației estimării unui parametru se limitează la modelul în care a fost calculată estimarea parametrului. De exemplu, nu se poate presupune că semnificația unei estimări de parametru în modelul ciocolată în raport cu modelul vanilie este valabilă și în modelul căpșuni în raport cu modelul vanilie.

ciocolată în raport cu vanilie

Pentru ciocolată în raport cu vanilie, statistica testului z pentru predictorul video (-0,024/0,021) este -1,12, cu o valoare p asociată de 0,261. Dacă ne stabilim nivelul alfa la 0,05, nu vom reuși să respingem ipoteza nulă și vom concluziona că, pentru ciocolată în raport cu vanilie, coeficientul de regresie pentru video nu s-a dovedit a fi diferit de zero din punct de vedere statistic, având în vedere că puzzle și femeie sunt în model.
Pentru ciocolată în raport cu vanilie, statistica testului z pentru predictorul puzzle (-0,039/0,020) este -1,99 cu o valoare p asociată de 0,046. Dacă ne stabilim din nou nivelul alfa la 0,05, vom respinge ipoteza nulă și vom concluziona că s-a constatat că coeficientul de regresie pentru puzzle este diferit de zero din punct de vedere statistic pentru ciocolată în raport cu vanilie, având în vedere că video și feminin sunt în model.
Pentru ciocolată în raport cu vanilie, statistica testului z pentru predictorul feminin (0,817/0,391) este de 2,09 cu o valoare p asociată de 0,037. Dacă ne stabilim din nou nivelul alfa la 0,05, vom respinge ipoteza nulă și vom concluziona că diferența dintre bărbați și femei s-a dovedit a fi diferită din punct de vedere statistic pentru ciocolată în raport cu vanilie, având în vedere căvideo și femelă se află în model.
Pentru ciocolată în raport cu vanilia, statistica testului z pentru interceptul, _cons (1,912/1,127) este 1,70 cu o valoare p asociată de 0,090. Cu un nivel alfa de 0,05, nu am reuși să respingem ipoteza nulă și am concluziona că: a) logit multinomial pentru bărbați (variabila femeie evaluată la zero) și cu scoruri zero la video și puzzle în ciocolată în raport cu vanilie se constată că nu este diferit statistic de zero; sau b) pentru bărbații cu scoruri zero la video și puzzle, nu sunteți nesigur din punct de vedere statistic dacă este mai probabil ca aceștia să fie clasificați ca preferând ciocolata sau vanilia. Putem face cea de-a doua interpretare atunci când privim _cons ca pe un profil specific de covariate (bărbați cu scoruri zero la video și puzzle). Pe baza direcției și semnificației coeficientului, _cons indică dacă profilul ar avea o propensiune mai mare de a fi clasificat într-un nivel al variabilei de rezultat decât în celălalt nivel.

căpșuni în raport cu vanilie

Pentru căpșuni în raport cu vanilie, statistica testului z pentru video predictor (0,023/0,021) este de 1,10 cu o valoare p asociată de 0,272. Dacă ne stabilim nivelul alfa la 0,05, nu vom reuși să respingem ipoteza nulă și vom concluziona că, pentru căpșuni în raport cu vanilia, coeficientul de regresie pentru video nu s-a dovedit a fi diferit de zero din punct de vedere statistic, având în vedere că puzzle și femeie sunt în model.
Pentru căpșuni în raport cu vanilia, statistica testului z pentru predictorul puzzle (0,043/0,020) este de 2,16 cu o valoare p asociată de 0,031. Dacă ne stabilim din nou nivelul alfa la 0,05, vom respinge ipoteza nulă și vom concluziona că s-a constatat că coeficientul de regresie pentru puzzle este diferit statistic de zero pentru căpșuni în raport cu vanilie, având în vedere că video și feminin sunt în model.
Pentru căpșuni în raport cu vanilie, statistica testului z pentru predictorul feminin (-0,033/0,350) este -0,09 cu o valoare p asociată de 0,925. Dacă stabilim din nou nivelul nostru alfa la 0,05, nu vom reuși să respingem ipoteza nulă și vom concluziona că, pentru căpșuni în raport cu vanilia, coeficientul de regresie pentru sexul feminin nu s-a dovedit a fi diferit statistic de zero, având în vedere că puzzle și video se află în model.
Pentru căpșuni în raport cu vanilia, statistica testului z pentru intercepția, _cons (-4,057/1,223) este de -3,32 cu o valoare p asociată de 0,001. Cu un nivel alfa de 0,05, vom respinge ipoteza nulă și vom concluziona că: a) logit multinomialul pentru bărbați (variabila femeie evaluată la zero) și cu scoruri zero la video și puzzle la căpșuni în raport cu vanilie sunt statistic diferite de zero; sau b) pentru bărbații cu scoruri zero la video și puzzle, există o diferență semnificativă din punct de vedere statistic între probabilitatea de a fi clasificat ca preferând căpșuni sau preferând vanilie. Un astfel de bărbat ar fi mai probabil să fie clasificat ca preferând vanilia decât căpșunile. Putem face cea de-a doua interpretare atunci când privim _cons ca pe un profil specific de covariate (bărbați cu scoruri zero la video și puzzle). Pe baza direcției și semnificației coeficientului, _cons indică dacă profilul ar avea o tendință mai mare de a fi clasificat la un nivel al variabilei de rezultat decât la celălalt nivel.

l. – Acesta este intervalul de încredere (IC) pentru un coeficient de regresie logit multinomial individual, având în vedere că ceilalți predictori se află în model pentru rezultatul m în raport cu grupul de referință. Pentru un predictor dat, cu un nivel de încredere de 95 %, am spune că avem o încredere de 95 % în faptul că „adevăratul” coeficient de regresie logit multinomial al populației se situează între limita inferioară și cea superioară a intervalului pentru rezultatul m în raport cu grupul de referință. Acesta se calculează ca fiind Coef. (zα/2)*(Std.Err.), unde zα/2 este o valoare critică pe distribuția normală standard. IC este echivalent cu statistica testului z: dacă IC include zero, nu am reuși să respingem ipoteza nulă că un anumit coeficient de regresie este zero, având în vedere că ceilalți predictori sunt în model. Un avantaj al unui IC este acela că este ilustrativ; acesta oferă un interval în care se poate afla parametrul „adevărat”.

Interpretarea raportului de risc relativ

În cele ce urmează este interpretarea regresiei logistice multinomiale în termeni de rapoarte de risc relativ și poate fi obținută prin mlogit, rrr după rularea modelului logistic multinomial sau prin specificarea opțiunii rrr atunci când este specificat modelul complet. Această parte a interpretării se aplică la rezultatul de mai jos.

mlogit ice_cream video puzzle female, rrr

Iteration 0: log likelihood = -210.58254Iteration 1: log likelihood = -194.75041Iteration 2: log likelihood = -194.03782Iteration 3: log likelihood = -194.03485Iteration 4: log likelihood = -194.03485Multinomial logistic regression Number of obs = 200 LR chi2(6) = 33.10 Prob > chi2 = 0.0000Log likelihood = -194.03485 Pseudo R2 = 0.0786------------------------------------------------------------------------------ ice_cream | RRRa Std. Err. z P>|z| b-------------+----------------------------------------------------------------chocolate | video | .9767108 .0204862 -1.12 0.261 .9373726 1.0177 puzzle | .9618236 .0187714 -1.99 0.046 .925727 .9993276 female | 2.262839 .8847276 2.09 0.037 1.051598 4.869199-------------+----------------------------------------------------------------strawberry | video | 1.023187 .0213558 1.10 0.272 .9821747 1.065911 puzzle | 1.043942 .0207633 2.16 0.031 1.004029 1.085441 female | .9676721 .3387 -0.09 0.925 .4872981 1.921595------------------------------------------------------------------------------(ice_cream==vanilla is the base outcome)

a. Raportul de risc relativ – Acestea sunt rapoartele de risc relativ pentru modelul logit multinomial prezentat anterior. Ele pot fi obținute prin exponențierea coeficienților logit multinomial, ecoef, sau prin specificarea opțiunii rrr atunci când se emite comanda mlogit. Reamintim că modelul logit multinomial estimează k-1 modele, unde a k-a ecuație este relativă la grupul de referință. RRR a unui coeficient indică modul în care riscul ca rezultatul să se încadreze în grupul de comparație în comparație cu riscul ca rezultatul să se încadreze în grupul de referință variază în funcție de variabila în cauză. Un RRR > 1 indică faptul că riscul ca rezultatul să se încadreze în grupul de comparație în raport cu riscul ca rezultatul să se încadreze în grupul de referință crește odată cu creșterea variabilei. Cu alte cuvinte, rezultatul de comparație este mai probabil. Un RRR < 1 indică faptul că riscul ca rezultatul să se încadreze în grupul de comparație în raport cu riscul ca rezultatul să se încadreze în grupul de referință scade pe măsură ce variabila crește. A se vedea interpretările rapoartelor de risc relativ de mai jos pentru exemple. În general, dacă RRR < 1, este mai probabil ca rezultatul să se regăsească în grupul de referință.

ciocolată în raport cu vanilie

video – Acesta este raportul riscului relativ pentru o creștere de o unitate a scorului video pentru preferința ciocolatei față de vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul video cu o unitate, s-ar aștepta ca riscul relativ pentru preferința pentru ciocolată față de vanilie să scadă cu un factor de 0,977, având în vedere că celelalte variabile din model sunt menținute constante. Astfel, având în vedere o creștere de o unitate a scorului video, riscul relativ de a face parte din grupul de ciocolată ar fi de 0,977 de ori mai probabil, în condițiile în care celelalte variabile din model sunt menținute constante. Mai general, putem spune că, dacă un subiect și-ar crește scorul video, ne-am aștepta ca acesta să fie mai probabil să prefere înghețata de vanilie decât cea de ciocolată.

puzzle – Acesta este raportul de risc relativ pentru o creștere de o unitate a scorului puzzle pentru a prefera ciocolata în locul vaniliei, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul la puzzle cu o unitate, s-ar aștepta ca riscul relativ pentru preferința pentru ciocolată față de vanilie să scadă cu un factor de 0,962, având în vedere că celelalte variabile din model sunt menținute constante. Mai general, putem spune că, dacă doi subiecți au scoruri video identice și sunt amândoi de sex feminin (sau amândoi de sex masculin), este mai probabil ca subiectul cu scorul mai mare la puzzle să prefere înghețata de vanilie în locul celei de ciocolată decât subiectul cu scorul mai mic la puzzle.

feminin – Acesta este raportul riscului relativ care compară femeile cu bărbații în ceea ce privește preferința ciocolatei față de vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Pentru femei în raport cu bărbații, s-ar aștepta ca riscul relativ de a prefera ciocolata în raport cu vanilia să crească cu un factor de 2,263, având în vedere că celelalte variabile din model sunt menținute constante. Cu alte cuvinte, este mai probabil ca femeile să prefere înghețata de ciocolată decât cea de vanilie decât bărbații.

căpșuni în raport cu vanilia

video – Acesta este raportul riscului relativ pentru o creștere de o unitate a scorului video pentru preferința pentru căpșuni în raport cu vanilia, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul video cu o unitate, s-ar aștepta ca riscul relativ pentru căpșuni în raport cu vanilia să crească cu un factor de 1,023, având în vedere că celelalte variabile din model sunt menținute constante. Mai general, putem spune că, dacă un subiect și-ar crește scorul video, ne-am aștepta ca acesta să fie mai probabil să prefere înghețata de căpșuni decât cea de vanilie.

puzzle – Acesta este raportul de risc relativ pentru o creștere de o unitate a scorului de puzzle pentru a prefera înghețata cu căpșuni în locul celei cu vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Dacă un subiect și-ar crește scorul la puzzle cu o unitate, s-ar aștepta ca riscul relativ pentru căpșuni în raport cu vanilia să crească cu un factor de 1,043, având în vedere că celelalte variabile din model sunt menținute constante. Mai general, putem spune că, dacă doi subiecți au scoruri video identice și sunt amândoi de sex feminin (sau amândoi de sex masculin), este mai probabil ca subiectul cu scorul de puzzle mai mare să prefere înghețata de căpșuni decât înghețata de vanilie decât subiectul cu scorul de puzzle mai mic.

feminin – Acesta este raportul riscului relativ care compară femeile cu bărbații pentru înghețata de căpșuni în raport cu cea de vanilie, având în vedere că celelalte variabile din model sunt menținute constante. Pentru femei în raport cu bărbații, se așteaptă ca riscul relativ de a prefera căpșunile în locul vaniliei să scadă cu un factor de 0,968, având în vedere că celelalte variabile din model sunt menținute constante. Cu alte cuvinte, este mai puțin probabil ca femeile să prefere înghețata cu căpșuni decât înghețata de vanilie decât bărbații.

b. – Acesta este IC pentru raportul riscului relativ, având în vedere că ceilalți predictori sunt în model. Pentru un predictor dat, cu un nivel de încredere de 95 %, am spune că suntem încrezători în proporție de 95 % că „adevăratul” raport de risc relativ al populației care compară rezultatul m cu grupul de referință se situează între limita inferioară și cea superioară a intervalului. Un avantaj al unui IC este că este ilustrativ; acesta oferă un interval în care se poate afla „adevăratul” raport de risc relativ.

.