STATISTIK-FORUM.de

[LisaLisa]

Hallo,

ich habe eine "binär logistische Regression" durchgeführt. Als SPSS Ausgabe "Variablen in der Gleichung" erhalte ich neben Weiteren folgende Zeilen....:
Abhängige Variable : Schmerz ja(0) Schmerz nein(1)

RegressionskoeffizientB// Standardfehler// Wald// df// Sig.// Exp(B)
"alter" -0,094// 0,016// 34,087// 1// 0,000// 0,910
"zeit" 0,066// 0,012// 28,883// 1// 0,000// 1,068
(in Jahren)


Meine Frage lautet bezüglich der Odds Ratio:

Darf ich sagen:
1) mit jedem Jahr ("alter" in Jahren) steigt die Wahrscheinlichkeit Schmerzen zu haben um 1-0,910=0,09 =9% (Exp(B)<1)

2) mit jedem Jahr ("zeit" vergangen in Jahren) steigt die Wahrscheinlichkeit keine Schmerzen zu haben um 6,8% (Exp(B) >1) ?

Wenn Exp (B) größer 1, dann kann die Wahrscheinlichkeit theoretisch unendlich steigen z.B.: um Exp(B) = 8,00 = 800%
Wenn Exp(B) kleiner 1, dann ist die Wahrscheinlichkeit limitiert auf Exp(B) = 0,000.....1= 1-0,0000....1= 99,999....9% ??

Zusammenfassend:

Darf ich ein Exp(B) kleiner 1 nur als Tendenz angeben oder ist es möglich das auch in Prozentzahlen für die Wahrscheinlichkeit auszudrücken?

Vielen Dank für eure Antworten,

Lisa

[strukturmarionette]

Hi,

Es geht m.E. immer um eine Wahrscheinlichkeit für das Auftreten eines Ereignisses (j /n).

Somit wäre die jegliche exp(B)´s immer auf 0 bis 1 (bzw. 100 %) begrenzt.

Gruß
S.

[LisaLisa]

Hallo,

vielen Dank für die Antwort.
Sollte der Exp(B) = 4,367 sein, dann muss die Wahrscheinlichkeit doch um 437% steigen?!

Um mein konkretes Beispiel zu nennen...
a) Exp(B) = 0,910
b) Exp(B)= 1,068
-> um wie viel Prozent steigt die Wahrscheinlichkeit für das jeweilge Ereignis? War meine Angabe korrekt?

Viele Grüße,
Lisa

[strukturmarionette]

Hi,

ja, hast recht, sorry.

Code: Alles auswählen

Sollte der Exp(B) = 4,367 sein, dann muss die Wahrscheinlichkeit doch um 437% steigen?!


Die Wahrscheinlichkeit, bzw. das Risiko für etwas (ein Ereignis) steigt dann bei marginalem Anstieg (also ein Jahr bei Dir) um den Faktor 4,367 (=437 %).

Wobei immer auf jenes (dichotome) Ereignis Bezug genommen wird, welches mit 1 codiert ist.

Um mein konkretes Beispiel zu nennen...

a) Exp(B) = 0,910
==> 9 % (Schmerzverminderungswahrscheinlichkeit), wenn die anderen UVs im Modell konstant gehalten werden.

b) Exp(B)= 1,068
==> 6,8 % (Schmerzrisikoanstieg) wenn die anderen UVs im Modell konstant gehalten werden

(In einem Paper würde ich noch zusätzlich einen Signifikanzwert hinzufügen oder das 95% Konfidenzintervall zum exp(B).

Viele Grüße,
Lisa

Ebenso
S.

[LisaLisa]

Super, Danke!

Zusammengefasst:
Der Exp(B) Wert kann, wenn er kleiner 1 ist, für die Wahrscheinlichkeitsangabe eines dichotomen Ereignisses nicht größer, als 99,9999% werden! Anders Wenn der Exp(B) größer 1 ist, dann kann die Wahrscheinlichkeit auch 500% oder 789%
betragen....?

Grüße!

[fjodor]

Hallo zusammen,

meines Erachtens muss man Wahrscheinlichkeiten und Chancen (odds) sowie Chancenverhältnisse (odds ratios) unterscheiden.

Die Effekt auf die Wahrscheinlichkeit ist in logistischen Modellen nicht linear (logistische Kurve!). Wenn das Alter z. B. von 30 auf 31 Jahre steigt, kann das einen anderen Effekt auf die Wahrscheinlichkeit haben als ein Anstieg von 40 auf 41 Jahre. Linear ist hingegen der Effekt auf die Chance, d. h. Wahrscheinlichkeit, dass das Ereignis eintritt, relativ zu (geteilt durch) die Wahrscheinlichkeit, dass es nicht eintritt.

In den genannten Beispielen steigt oder fällt somit die Chance um x%, nicht die Wahrscheinlichkeit.

Das odds ratio als Chancenverhältnis ist somit tatsächlich ein Doppelbruch, Chance / Chance.

Leider ist es bei logistischen Modellen komplizierter als bei linearen!

Viel Erfolg allen,

Wolf

http://statistik-dresden.de
zum Unterschied Wahrscheinlichkeit und Chance vgl. http://statistik-dresden.de/archives/193

[Metropolis]

Ich benutze mal diesen Thread hier mit, da ich gerade ein Brett vorm Kopf habe und mir die gleiche Frage zur Interpretation von Exp(B) stelle. Ich untersuche mit Hilfe einer logistischen Regression, wie schon in einem anderen Thread erläutert, den Einfluss mehrerer Regressoren auf die abhängige Variable "Wahlbeteiligung" (0 = Ja, 1 = Nein). Meine aus der Theorie abgeleiteten Hypothesen lauten u.a. wie folgt:

"Je niedriger das Bildungsniveau, desto höher die Wahrscheinlichkeit für Wahlenthaltung."
"Die Wahrscheinlichkeit für Wahlenthaltung ist bei Frauen höher als bei Männern."

Wenn bei meiner logistischen Regression für die Variable "Geschlecht" (0 = Männer, 1 = Frauen) ein Exp(B) Wert von 1,78 rauskommt, kann ich das ganze dann wie folgt interpretieren: "Bei Kontrolle der übrigen Variablen ist die Wahrscheinlichkeit der Wahlenthaltung bei Frauen 78% größer als bei Männern" ??

Oder darf ich nur schreiben, dass die Chance der Wahlenthaltung dann 78% höher ist, wenn die anderen Variablen konstant gehalten werden?

Ich frage deshalb, weil ich in der Literatur beide Varianten gefunden habe und ich mir nicht sicher bin, welche nun richtig ist.