Інтерпретація результатів логістичної регресії в R

Я працюю над багаторазовою логістичною регресією в R, використовуючи glm. Змінні предиктора є безперервними та категоричними. Витяг з підсумків моделі показує наступне:

Coefficients:
               Estimate Std. Error z value Pr(>|z|)
(Intercept)   2.451e+00  2.439e+00   1.005   0.3150
Age           5.747e-02  3.466e-02   1.658   0.0973 .
BMI          -7.750e-02  7.090e-02  -1.093   0.2743
...
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Інтервали довіри:

                  2.5 %       97.5 %
(Intercept)  0.10969506 1.863217e+03
Age          0.99565783 1.142627e+00
BMI          0.80089276 1.064256e+00
...

Коефіцієнт коефіцієнта:

                 Estimate Std. Error   z value Pr(>|z|)
(Intercept)  1.159642e+01  11.464683 2.7310435 1.370327
Age          1.059155e+00   1.035269 5.2491658 1.102195
B            9.254228e-01   1.073477 0.3351730 1.315670
...

$Age$$Age$$Age$$Age$

На сайті є безліч питань, які допоможуть в інтерпретації результатів моделей (ось три різних приклади, 1 2 3 , і я впевнений, що їх більше, якщо перекопати архів). Ось також підручник на веб-сайті статистики UCLA про те, як інтерпретувати коефіцієнти для логістичної регресії.

Хоча коефіцієнт шансів для вікового коефіцієнта близький до одиничного, це не обов'язково означає, що ефект малий (чи є ефект малим чи великим - це настільки ж нормативне питання, як і емпіричний). Потрібно знати типову різницю у віці між спостереженнями, щоб зробити більш усвідомлену думку.