モデル解釈

では、log-logモデルからの回帰係数をどのように解釈するのですか？ 回帰係数を解釈するために私が見つけた最良の説明はここにあります：http://www.kenbenoit.net/courses/ME104/logmodels2.pdf

一言で言えば、予測子の1％の増加は、結果のベータ％ しかし、これは近似です。 正確には、予測子のx％の増加は、2.71^（（log（（100+x）/100））*Beta））を乗算するのと同等の結果の変化に関連付けられていると言えます。 上記のモデルでは、近似はステップの1％の増加であり、LOSの約0.18％の減少に関連しています。 正確な方法を使用して、ステップの50％の増加は2.71^（（log）に関連付けられていると計算できます((100 + 50)/100)) * -0.18)) = 0.93 * LOS=LOSの7%の減少。

理解すべき重要なことは、対数を使って作業することによって、絶対的な違い（例えば、600ステップ=病院で1日少ない）から相対的な違い（ステップが1％増 これはなぜですか？ 数学のクラスから、log（x）+log（y）=log（x*y）を追加することを覚えていますか？ ログ空間に物を追加し始めると、絶対空間にそれらを乗算しています。 これは、対数（オッズ）空間の1単位増加がロジスティック回帰モデルの累乗の後にオッズ比になるのと同じ理由です。 絶対的思考から相対的思考へのこのシフトは、多くの分析技術を理解するために重要です（例えば、加法的相互作用と乗法的相互作用の違いは何ですか？). ここでは、トピックへの面白い紹介です：https://www.youtube.com/watch?v=Pxb5lSPLy9c。最後に、考慮しなければならない重要な点は、比例解釈が各変数に対して合理的であるかどうかです。

最後に、比例解釈が各変数に対して合理的で ステップの場合、1日あたり50ステップの増加は、完全に座っている患者と非常に活発な患者とでは何か異なることを意味することが私には理にか LOSについて考える方法は私にはあまり明白ではありません。 私は関係なく、滞在がそうでなければされているだろうどのくらいのLosの変化の同じ量に関連付けられているステップの変更を期待していますか？ 理学療法士に聞いてみよう