逻辑回归结果问题：大 OR，小 Chisq，无 CI你好，
在解释逻辑回归数据时遇到一些问题。 试图确定各种药物是否与病例对照研究的结果相关。 使用逻辑回归是因为我想控制两个协变量（年龄和发病部位）。 对于一种药物，名义逻辑会吐出一个巨大的 OR，一个小的 Chisq，并且没有 CI（见图）。当我单独运行每个协变量的模型时，我没有这个问题。
有谁知道这里可能出了什么问题？ 我分析过的其他药物没有遇到同样的问题。
谢谢，
担
回复：逻辑回归结果问题：大 OR，小 Chisq，无 CI我可以给你一些指导，但仅此而已。 你现在有了概率的公式。 通常，赔率只是 Pr（结果）/ Pr（非结果）。 那么优势比就是优势（在条件 A 下）/优势（在条件 B 下）。 选择帮助>帮助，然后搜索“比值比”。 您应该会发现最重要的结果之一是逻辑回归模型>统计细节>比值比（统计学用了解更多信息。
我无法帮助您确定这些结果的置信区间或 p 值。 您将不得不查阅逻辑回归参考资料，例如：
- 艾伦·阿格雷斯蒂 (2013)分类数据分析, 第三版，John Wiley & Sons。
- 霍斯默，大卫 W.， Stanley Lemeshow 和 Rodney X. Sturdivant (2013)应用逻辑回归, 第三版，John Wiley & Sons。
或其他来源。
回复：逻辑回归结果问题：大 OR，小 Chisq，无 CI再次感谢，马克！ 我能够将模型保存为预测公式（保存列>预测公式）但无法弄清楚从这里去哪里计算赔率和 OR。 你能为我澄清这一步吗？
最终，我还需要为我的 OR 计算 CI 和 p 值。 如果我需要为这部分分析执行其他步骤，请告诉我！
回复：逻辑回归结果问题：大 OR，小 Chisq，无 CI优势比无法像使用名义逻辑平台那样使用 GLM。 您可以将模型保存为预测公式，然后使用此公式计算优势，最后计算优势比。
回复：逻辑回归结果问题：大 OR，小 Chisq，无 CI嗨，马克，
谢谢您的帮助！ 使用 GLM 确实解决了参数估计不稳定的问题。
对于从这里去哪里有点困惑。 是否仍然可以使用该模型计算自变量和协变量的比值比？ 如果是这样，这是怎么做到的？
感谢协助！
最好的，
担
回复：逻辑回归结果问题：大 OR，小 Chisq，无 CI估计存在收敛问题。 JMP 报告说，大多数估计是不稳定.
这可能是工作中的“分离问题”。 尝试改变性格标称物流到广义线性模型， 选择二项式对于分发，接受默认值登录链接功能，并选择两个选项，包括弗斯调整。 这种 GLM 本质上与逻辑回归相同。 如果该方法解决了问题，则可能是由于分离。
