JMP 優勢比計算與我的不符我是 JMP（版本 16.1）的新手。 我正在運行二項式邏輯回歸模型。 我將模型輸出設置為包括參數估計和優勢比。 當我從參數估計中獲取 logodds 並在 Excel 中對它們求冪以獲得優勢比時，它們與 JMP 中的優勢比輸出不匹配。
我的參數估計顯示置信限是基於 Wald 的，並且在優勢比下它表示測試和置信區間也是基於 Wald 的。
有人知道為什麼我的計算與 JMP 不同嗎？ JMP 如何計算優勢比？
例子：
JMP 輸出：
| 學期 | 估計 | 標準誤差 | 卡方 | 問題>卡方 | 低於95% | 95%以上 |
| 截距 | 2.460656 | 1.570863 | 2.45 | 0.1172 | -0.61818 | 5.539491 |
| 年齡 | -0.03287 | 0.021537 | 2.33 | 0.127 | -0.07508 | 0.009342 |
| 性別[女] | -0.05266 | 0.234692 | 0.05 | 0.8225 | -0.51265 | 0.407328 |
| 體重指數 | -0.0674 | 0.042016 | 2.57 | 0.1087 | -0.14975 | 0.014951 |
| 速度 | -0.01883 | 0.017697 | 1.13 | 0.2874 | -0.05351 | 0.015859 |
| 限制全部[無] | -0.43613 | 0.269435 | 2.62 | 0.1055 | -0.96422 | 0.09195 |
我的優勢比計算：
| 學期 | 估計 | 優勢比 |
| 截距 | 2.460656 | 11.71249 |
| 年齡 | -0.03287 | 0.967665 |
| 性別[女] | -0.05266 | 0.948703 |
| 體重指數 | -0.0674 | 0.934823 |
| 速度 | -0.01883 | 0.98135 |
| 限制全部[無] | -0.43613 | 0.646532 |
JMP 的優勢比
| 單位優勢比 | | | | |
| 學期 | 優勢比 | 低於95% | 95%以上 | 互惠的 |
| 年齡 | 0.967665 | 0.927669 | 1.009386 | 1.033415 |
| 體重指數 | 0.934823 | 0.860925 | 1.015063 | 1.069722 |
| 速度 | 0.98135 | 0.947896 | 1.015985 | 1.019004 |
| 範圍優勢比 | | | | |
| 學期 | 優勢比 | 低於95% | 95%以上 | 互惠的 |
| 年齡 | 0.235452 | 0.036752 | 1.508409 | 4.247151 |
| 體重指數 | 0.073658 | 0.003042 | 1.783541 | 13.57625 |
| 速度 | 0.183722 | 0.008099 | 4.167436 | 5.443015 |
| 性別比值比 | | | | | |
| 1級 | /等級2 | 優勢比 | 問題>Chisq | 低於95% | 95%以上 |
| 男性 | 女性 | 1.111064 | 0.8225 | 0.442791 | 2.787911 |
| 女性 | 男性 | 0.900038 | 0.8225 | 0.358692 | 2.2584 |
| 全部約束的比值比 | | | | | |
| 1級 | /等級2 | 優勢比 | 問題>Chisq | 低於95% | 95%以上 |
| 安全帶 | 沒有任何 | 2.392325 | 0.1055 | 0.832019 | 6.878711 |
| 沒有任何 | 安全帶 | 0.418004 | 0.1055 | 0.145376 | 1.201896 |
提前致謝！
基礎數據分析和建模回复：JMP 優勢比計算與我的不符@ron_horne ，你是一位紳士，一位學者。 這真是太神奇了！
感謝您的幫助，
格雷格
回复：JMP 優勢比計算與我的不符你好@格雷格佩克,
不需要，只需將“性與約束全部”定義為序數並執行相同的計算（包括您自己的奇數比），這應該會得到與 JMP 奇數比相同的結果。
羅恩
回复：JMP 優勢比計算與我的不符感謝您的回复， @ron_horne 。
我的響應變量是二項式的。 您是說我應該在 JMP 中為該變量分配序數建模類型，並為多項（非序數）變量保留名義建模類型嗎？ 這是否會導致 JMP 運行序數邏輯回歸而不是二項式邏輯回歸？
謝謝，
格雷格
回复：JMP 優勢比計算與我的不符你好@格雷格佩克,
比值比表是獲得類別之間正確對比的最簡單且有保證的方法。
您的計算看起來不正確的原因是您一直在使用“名義”尺度進行分類。如果您使用“Ordinal”，您將獲得與對比表中完全相同的值。這是因為，當使用名義值時，JMP 將係數估計為與非加權平均類別的差異。當有很多類別時，這更有意義。當變量是序數變量時，係數將被估計為與前一類別的差異。
有關分類變量定義的更多信息，您可以關注過去的討論：
與 SAS 的模型等效性
讓我們知道它是否適合您，
羅恩
