有序逻辑回归结果解释

根据引用中的结果解释，有序逻辑回归模型的系数可以用来解释因变量的等级资料。在这个例子中，我们有两个自变量：X1代表性别（女性为参考组），X2代表疗法类型（新型疗法为参考组）。
模型的系数表示了对数几率比率（log odds ratio），即自变量的每一个单位的改变对于因变量的等级产生的影响。在这个例子中，X1女的系数为1.319，X2新型疗法的系数为1.797。

这些系数的指数函数exp(coef(fit))表示了对数几率比率的比例关系。根据引用，X1女的OR值为3.738765，表示女性相对于男性的对数几率比为3.738765:1。同样地，X2新型疗法的OR值为6.033338，表示新型疗法相对于非新型疗法的对数几率比为6.033338:1。

此外，模型还输出了截距（Intercepts）的估计值。在这个例子中，无效|有效的截距估计为1.8128，有效|痊愈的截距估计为2.6672。这些截距表示了在其他自变量不变的情况下，对应的等级之间的对数几率比。

最后，模型的残差偏差值（Residual Deviance）为150.0294，AIC值为158.0294。这些指标用于模型的拟合优度评估。

综上所述，有序逻辑回归模型的结果解释包括了自变量的系数、对数几率比率、截距以及模型的拟合优度指标。这些结果可以用来理解自变量对于因变量等级的影响。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [R语言有序逻辑回归-因变量是等级资料](https://blog.csdn.net/Ayue0616/article/details/127613252)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]