Wenn ein Modell ein binäres Ergebnis hat, ist eine gemeinsame Effektgröße ein Risikoverhältnis. Zur Erinnerung, ein Risikoverhältnis ist einfach ein Verhältnis von zwei Wahrscheinlichkeiten. (Das Risikoverhältnis wird auch als relatives Risiko bezeichnet.)
Risikoquoten sind etwas schwieriger zu interpretieren, wenn sie kleiner als eins sind.
Eine Prädiktorvariable mit einem Risikoverhältnis von weniger als eins wird (zumindest in der Epidemiologie) häufig als „Schutzfaktor“ bezeichnet. Dies kann verwirrend sein, da es in unserem typischen Verständnis dieser Begriffe keinen Sinn macht, dass ein Risiko schützend ist.
Wie kann also ein RISIKO schützend sein?
Nun, durch Angabe eines geringeren Risikos.
Angenommen, Sie führen ein Modell aus, bei dem das Ergebnis die Verurteilung eines Verbrechens ist (ja / Nein) und zu Ihren Prädiktoren gehören frühere kriminelle Aktivitäten (ja / Nein) und der Abschluss der High School (ja / nein).
Wir würden erwarten, dass ein Ja zu früheren kriminellen Aktivitäten mit einem erhöhten Risiko verbunden ist, ein Verbrechen zu begehen. Ebenso würden wir erwarten, dass ein Ja zum Abitur mit einer Verringerung des Risikos einer Straftat zusammenhängt.
Mit anderen Worten, Frühere kriminelle Aktivitäten wären ein Risikofaktor und der Abschluss der High School ein Schutzfaktor. Die Wirkung beider Faktoren würde jedoch mit einem Risikoverhältnis gemessen.
Das Risikoverhältnis ist immer definiert als das Verhältnis der Wahrscheinlichkeit der Vergleichskategorie zur Wahrscheinlichkeit der Referenzkategorie.
Ein Risikoverhältnis größer als eins bedeutet, dass die Vergleichskategorie ein erhöhtes Risiko anzeigt.
Ein Risikoverhältnis von weniger als eins bedeutet, dass die Vergleichskategorie schützend ist (d. H. Ein verringertes Risiko).
Angenommen, wir haben die folgenden Daten für eine Gruppe von Angeklagten:
|
Felony Überzeugung |
|||
|
Abschluss |
Ja |
Nein |
Insgesamt |
|
Nein |
300 |
100 |
400 |
|
Ja |
225 |
175 |
400 |
|
Insgesamt |
525 |
275 |
800 |
Aus dieser Tabelle können wir die Wahrscheinlichkeit berechnen, dass entweder ein Absolvent oder ein Schulabbrecher wegen eines Verbrechens verurteilt wird.
P(Verbrechen Verurteilung / Dropout) = 300/400 = .75
P(Felony Überzeugung/Absolvent) = 225/400 = .5625
Und daraus können wir das Risikoverhältnis für Absolventen im Vergleich zu Studienabbrechern berechnen.
RR: Absolventen/Studienabbrecher =.5625/.75 = .75
Wie Sie sehen, ist die Wahrscheinlichkeit einer Verurteilung wegen Straftaten für Absolventen (.5625), als es für Aussetzer (.75). Ebenso ist das Risikoverhältnis von Verurteilungen wegen Straftaten für Absolventen im Vergleich zu Studienabbrechern geringer als eins (.75).
Eine Interpretation ist also, dass der Abschluss schützend ist – er ist mit einem geringeren Risiko einer Verurteilung verbunden.
Wie viel niedriger? Um einen Faktor von .75 oder 25% geringeres Risiko.
Wenn wir diesen Vergleich nun umkehren würden, könnten wir sagen, dass der Schulabbruch das Risiko erhöht und daher ein Risikofaktor ist. Wir würden dies tun, indem wir den Vergleich vertauschen und das Risikoverhältnis neu berechnen:
RR Dropouts/Graduates = .75/.56 = 1.33
Hier schließen wir, dass Studienabbrecher 33% häufiger als Absolventen wegen eines Verbrechens verurteilt werden.
Einige Referenzen empfehlen, die Daten neu zu codieren, sodass das relative Risiko immer größer als 1 ist. Es ist jedoch wichtig, die Nachricht zu berücksichtigen, die Sie übermitteln möchten. Im obigen Beispiel kann es sinnvoll sein, die Nachricht nach Hause zu bringen, dass Absolventen mit 25% geringerer Wahrscheinlichkeit verurteilt werden.
Wenn Sie nach Ihrer ersten Analyse feststellen, dass die Risikoquoten nicht intuitiv sind, können Sie die Referenzgruppe so umkodieren, dass die Interpretation sinnvoll ist.
