Як інтерпретувати коефіцієнт небезпеки від суцільної змінної - одиниця різниці?

Я читаю статтю, де показано коефіцієнти небезпеки для безперервних змінних, але не знаю, як інтерпретувати задані значення.

Моє сучасне розуміння коефіцієнтів небезпеки полягає в тому, що число представляє відносну ймовірність [події] за певної умови. Напр .: якщо коефіцієнт небезпеки від смерті від раку легенів від куріння (бінарний випадок) становить 2, тоді курці вдвічі частіше померли у контрольований період часу, ніж некурящі.

Дивлячись на wikipedia, інтерпретація постійних змінних полягає в тому, що коефіцієнт небезпеки поширюється на одиницю різниці. Це має сенс для мене порядкових змінних (наприклад, кількість викурених сигарет на день), але я не знаю, як застосувати цю концепцію до постійних змінних (наприклад, грамів нікотину, викурених на день?)

Якщо припустити, що пропорційна небезпека (як у моделі Кокса) та коефіцієнт небезпеки для збільшення куріння нікотину, що курять на 1 мг, становить 1,02, то це говорить про те, що люди, які курять 11 мг, мали 1,02, як імовірність загибелі за контрольований період часу, ніж люди, які курять 10 мгс. Те саме стосується 12 vs 11 мг тощо. Якщо одиниці вашого постійного коефіцієнта є занадто маленькими для інтерпретації, просто просто поясніть коефіцієнт небезпеки: Особи, які курять 20 мг, де (1,02) ^ 10 = 1,22, швидше за все, загинуть, ніж люди, що палять 10 мг і т.д. (Це викликано мультиплікативною структурою моделі регресії Кокса.)

Якщо ваша змінна - грам нікотину (на добу?), То одиниця - 1 грам нікотину. Якщо ваша змінна вимірюється в міліграмах, то одиниця дорівнює 1 міліграм. Останнє звучить як більш розумна міра, оскільки я підозрюю, що 1 грам нікотину є досить смертельним.

Тож у цьому контексті підрозділ відноситься не до дискретних речей (як сигарети), а до одиниці, в якій вимірюється змінна (кількість сигаретів, грамів або міліграмів нікотину, літрів або пінт пива, ...)

В R rmsпакет ' cphі summaryфункції обчислення за замовчуванням, ставлення ризики Межамері- квартили діапазону. Це обробляє нелінійності (але не немонотонність) та взаємодії досить легко, ставлячи майже всі змінні на рівній основі.