Comment interpréter les coefficients d'une régression logistique?

J'ai la fonction de probabilité suivante:

où

Mon modèle ressemble

Je comprends ce que signifie l'ordonnée à l'origine (3,92), mais je sais maintenant comment interpréter 0,014. S'agit-il toujours de log odds, odd ratios, ou puis-je maintenant affirmer que pour chaque changement de cotes incrémentiel est le sexe, les femmes sont 0,014 plus susceptibles de gagner que les hommes. Fondamentalement, comment dois-je interpréter le 0,014?

Fondamentalement, je veux prendre la fonction de probabilité et l'implémenter réellement en Java pour un programme spécifique que j'écris, mais je ne suis pas sûr de bien comprendre la fonction pour l'implémenter en Java.

Exemple de code Java:

double p = 1d / (1d + Math.pow(2.718d, -1d * (-3.92d + 0.014d * bid)));

Si vous ajustez un GLM binomial avec un lien logit (c'est-à-dire un modèle de régression logistique), votre équation de régression est la cote de log que la valeur de la réponse est un «1» (ou un «succès»), conditionnée par les valeurs du prédicteur .

Le fait d'exposer les cotes du journal vous donne le rapport de cotes pour une augmentation d'une unité de votre variable. Ainsi, par exemple, avec "sexe", si Femelle = 0 et Masculin = 1 et un coefficient de régression logistique de 0,014, alors vous pouvez affirmer que la cote de votre résultat pour les hommes est exp (0,014) = 1,01 fois celle de la cote de vos résultats chez les femmes.

le rapport de cotes des femmes devrait être 1 / exp(0.014)

explication:

puisque l'événement pour les hommes est «1» et les femmes sont «0», cela signifie que le niveau de référence est féminin.

l'équation ln(s) = B0 + B1*(gender)

odds(female) = exp(B0)
odds(male)   = exp(B0 + B1 * 1)

odds ratio(male) = odds(male) / odds(female) = exp(0.014) = 1.01

par conséquent, odds ratio(female) = 1 / 1.01 = 0.99