モデルにバイナリ結果がある場合、一般的な効果サイズの1つはリスク比です。 念のために、リスク比は単純に2つの確率の比です。 （リスク比は相対リスクとも呼ばれます。)
リスク比は、それらが1未満である場合に解釈するのが少し難しいです。
リスク比が1未満の予測子変数は、多くの場合、（少なくとも疫学では）”保護因子”とラベル付けされています。 これらの用語の私たちの典型的な理解では、リスクが保護されていることは意味がないので、これは混乱する可能性があります。
では、どのようにリスクを保護することができますか？
まあ、リスクが低いことを示すことによって。 たとえば、結果が重罪の有罪判決（はい/いいえ）であり、予測子の中に以前の犯罪行為（はい/いいえ）と高校卒業（はい/いいえ）があるモデルを実行しているとし
以前の犯罪行為についてのYesは、重罪を犯すリスクの増加に関連していると予想されます。 同様に、高校を卒業したときのYesは、重罪を犯すリスクの減少に関連していると予想されます。
言い換えれば、以前の犯罪行為は危険因子であり、高校を卒業することは保護要因であろう。 しかし、両方の要因の効果はリスク比で測定されます。
リスク比は、常に比較カテゴリの確率と参照カテゴリの確率の比として定義されます。
リスク比が一つより大きいと、比較カテゴリはリスクの増加を示していることを意味します。
リスク比が1未満であることは、比較カテゴリーが保護的であることを意味する（すなわち、リスクの減少）。
被告のグループについて以下のデータがあるとします:
|
重罪の有罪判決 |
|||
|
卒業 |
はい |
いいえ |
合計 |
|
いいえ |
300 |
100 |
400 |
|
はい |
225 |
175 |
400 |
|
合計 |
525 |
275 |
800 |
この表から、卒業生または中退者のいずれかが重罪で有罪判決を受けた確率を計算することができます。
P(重罪の有罪判決|中退)=300/400=.75
P(重罪の有罪判決|卒業生)=225/400=.5625
そして、それらから、卒業生と中退者のリスク比を計算することができます。
RR:卒業生/中退=.5625/.75 = .75
ご覧のように、重罪の有罪判決の確率は卒業生の方が低いです（。5625）よりもドロップアウト用（.75). 同様に、ドロップアウトと比較した卒業生の重罪有罪判決のリスク比は1未満です（。75).
だから、一つの解釈は、卒業は保護的であるということです—それは有罪判決のリスクが低いことに関連しています。
どれくらい低いですか？ の要因によって。75、または25％低リスク。
この比較を逆にすると、高校を中退することはリスクを増加させるため、危険因子であると言うことができます。 これを行うには、比較を交換し、リスク比を再計算します：
RR Dropouts/Graduates=。75/.56 = 1.33
ここでは、中退率は卒業生が重罪で有罪判決を受ける可能性よりも33％高いと結論づけています。
いくつかの参考文献では、相対リスクが常に1より大きくなるようにデータを再コーディングすることを推奨しています。 ただし、配信したいメッセージを考慮することが重要です。 上記の例では、卒業生が有罪判決を受ける可能性が25％低いというメッセージを家に持ち帰ることは理にかなっているかもしれません。
最初の分析の後、リスク比が直感に反すると判明した場合は、解釈が理にかなっているように参照グループを再コーディングできます。
