JMP 优势比计算与我的不符我是 JMP（版本 16.1）的新手。 我正在运行二项式逻辑回归模型。 我将模型输出设置为包括参数估计和优势比。 当我从参数估计中获取 logodds 并在 Excel 中对它们求幂以获得优势比时，它们与 JMP 中的优势比输出不匹配。
我的参数估计显示置信限是基于 Wald 的，并且在优势比下它表示测试和置信区间也是基于 Wald 的。
有人知道为什么我的计算与 JMP 不同吗？ JMP 如何计算优势比？
例子：
JMP 输出：
| 学期 | 估计 | 标准误差 | 卡方 | 问题>卡方 | 低于95% | 95%以上 |
| 截距 | 2.460656 | 1.570863 | 2.45 | 0.1172 | -0.61818 | 5.539491 |
| 年龄 | -0.03287 | 0.021537 | 2.33 | 0.127 | -0.07508 | 0.009342 |
| 性别[女] | -0.05266 | 0.234692 | 0.05 | 0.8225 | -0.51265 | 0.407328 |
| 体重指数 | -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[无] | -0.43613 | 0.269435 | 2.62 | 0.1055 | -0.96422 | 0.09195 |
我的优势比计算：
| 学期 | 估计 | 优势比 |
| 截距 | 2.460656 | 11.71249 |
| 年龄 | -0.03287 | 0.967665 |
| 性别[女] | -0.05266 | 0.948703 |
| 体重指数 | -0.0674 | 0.934823 |
| 速度 | -0.01883 | 0.98135 |
| 限制全部[无] | -0.43613 | 0.646532 |
JMP 的优势比
| 单位优势比 | | | | |
| 学期 | 优势比 | 低于95% | 95%以上 | 互惠的 |
| 年龄 | 0.967665 | 0.927669 | 1.009386 | 1.033415 |
| 体重指数 | 0.934823 | 0.860925 | 1.015063 | 1.069722 |
| 速度 | 0.98135 | 0.947896 | 1.015985 | 1.019004 |
| 范围优势比 | | | | |
| 学期 | 优势比 | 低于95% | 95%以上 | 互惠的 |
| 年龄 | 0.235452 | 0.036752 | 1.508409 | 4.247151 |
| 体重指数 | 0.073658 | 0.003042 | 1.783541 | 13.57625 |
| 速度 | 0.183722 | 0.008099 | 4.167436 | 5.443015 |
| 性别比值比 | | | | | |
| 1级 | /等级2 | 优势比 | 问题>Chisq | 低于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 |
| 全部约束的比值比 | | | | | |
| 1级 | /等级2 | 优势比 | 问题>Chisq | 低于95% | 95%以上 |
| 安全带 | 没有任何 | 2.392325 | 0.1055 | 0.832019 | 6.878711 |
| 没有任何 | 安全带 | 0.418004 | 0.1055 | 0.145376 | 1.201896 |
提前致谢！
基础数据分析和建模回复：JMP 优势比计算与我的不符@ron_horne ，你是一位绅士，一位学者。 这真是太神奇了！
感谢您的帮助，
格雷格
回复：JMP 优势比计算与我的不符你好@格雷格佩克,
不需要，只需将“性与约束全部”定义为序数并执行相同的计算（包括您自己的奇数比），这应该会得到与 JMP 奇数比相同的结果。
罗恩
回复：JMP 优势比计算与我的不符感谢您的回复， @ron_horne 。
我的响应变量是二项式的。 您是说我应该在 JMP 中为该变量分配序数建模类型，并为多项（非序数）变量保留名义建模类型吗？ 这是否会导致 JMP 运行序数逻辑回归而不是二项式逻辑回归？
谢谢，
格雷格
回复：JMP 优势比计算与我的不符你好@格雷格佩克,
比值比表是获得类别之间正确对比的最简单且有保证的方法。
您的计算看起来不正确的原因是您一直在使用“名义”尺度进行分类。如果您使用“Ordinal”，您将获得与对比表中完全相同的值。这是因为，当使用名义值时，JMP 将系数估计为与非加权平均类别的差异。当有很多类别时，这更有意义。当变量是序数变量时，系数将被估计为与前一类别的差异。
有关分类变量定义的更多信息，您可以关注过去的讨论：
与 SAS 的模型等效性
让我们知道它是否适合您，
罗恩
