regressão logística binária no Minitab Express usa a função de ligação de logit, que fornece a interpretação mais natural dos coeficientes estimados. A interpretação usa o fato de que as chances de um evento de referência são P(evento)/P(não Evento) e assume que os outros predictores permanecem constantes. Quanto maior for a probabilidade de log, mais provável é o evento de referência. Portanto, os coeficientes positivos indicam que o evento se torna mais provável e os coeficientes negativos indicam que o evento se torna menos provável. Segue-se um resumo das interpretações para diferentes tipos de predictores.
preditores contínuos o coeficiente de um preditor contínuo é a variação estimada no log natural das probabilidades para o evento de referência para cada aumento de unidade no preditor. Por exemplo, se o coeficiente de tempo em segundos for 1,4, então o log natural das probabilidades aumenta 1,4 para cada segundo adicional. Coeficientes estimados também podem ser usados para calcular as probabilidades, ou a razão entre duas probabilidades. Para calcular a razão de probabilidades, exponencie o coeficiente para um predictor. O resultado é a razão de probabilidades para quando o predictor é x+1, em comparação com quando o predictor é X. por exemplo, se a razão de probabilidades para a massa em quilogramas é 0.95, então para cada quilograma adicional, a probabilidade do evento diminui em cerca de 5%. Para preditores contínuos, a interpretação das probabilidades pode ser mais significativa do que a interpretação da razão de probabilidades. Predictores categóricos a interpretação dos coeficientes estimados para predictores categóricos é relativa ao nível de referência do predictor. No Minitab Express, o nível de referência para um predictor categórico numérico é o nível com o menor valor ou para um predictor categórico de texto, é o nível que é o primeiro em ordem alfabética. Os coeficientes positivos indicam que o evento é mais provável a esse nível do predictor do que ao nível de referência. Os coeficientes negativos indicam que o evento é menos provável a esse nível do predictor do que ao nível de referência. O coeficiente é a alteração estimada no log natural das probabilidades quando se muda do nível de referência para o nível do coeficiente. Por exemplo, uma variável categórica tem os níveis rápido e lento, e o nível de referência é lento. Se o coeficiente de Fast for 1.3, então uma mudança na variável de lento para rápido aumenta o log natural das Probabilidades do evento em 1.3. Coeficientes estimados também podem ser usados para calcular a razão de probabilidades, ou a razão entre duas probabilidades. Para calcular a razão de probabilidades, exponencie o coeficiente para um nível. O resultado é o rácio de probabilidades para o nível comparado com o nível de referência. Por exemplo, uma variável categórica tem os níveis duro e suave, e suave é o nível de referência. Se a razão de probabilidades para Hard é 0.5, então a mudança de suave para Hard diminui as probabilidades do evento em 50%.