모수 추정값

모수 추정값 테이블에는 각 예측변수의 효과에 대한 요약 정보가 표시됩니다. 이 모델의 계수 해석은 연결 함수의 특성으로 인해 어렵지만 요인 수준에 대한 계수의 공변량 및 상대값에 대한 계수의 부호는 모델에 있는 예측변수의 효과에 대한 중요한 통찰을 제공할 수 있습니다.

공변량의 경우, 양수(음수) 계수는 예측변수 및 결과 사이의 정관계(역관계)를 표시합니다. 양의 계수가 있는 공변량의 증가 값은 "높은" 누적 결과 범주 중 하나에 있을 확률 증가에 해당합니다.
요인의 경우 계수가 더 큰 요인 수준은 "더 높은" 누적 결과 범주 중 하나에 있을 확률이 더 높음을 나타냅니다. 요인 수준에 대한 계수의 부호는 참조범주에 상대적인 요인 수준의 효과에 따라 결정됩니다.

모수 추정값에 따라 다음과 같이 해석할 수 있습니다.

연령이 낮은 카테고리의 경우 가장 높은 연령 카테고리의 경우보다 청구에 대한 지지도가 더 높습니다.
자주 운전하지 않는 사람들은 더 자주 운전하는 사람들보다 더 많은 지지를 받는다.
gender 및 votelast변수에 대한 계수가 통계적으로 유의하지 않을 뿐만 아니라 다른 계수에 비해 작은 것으로 표시됩니다.

디자인 효과는 이러한 모수 추정값에 대해 계산된 일부 표준 오차가 단순 무작위 표본을 사용한 경우 얻을 수 있는 오차보다 크고 다른 오차는 더 작음을 나타냅니다. 예를 들어, 연령범주, [agecat=3]의 세 번째 수준에 대한 계수가 0과 상당히 다르다고 추론할 수 있으므로 표본추출 디자인 정보를 분석에 통합하는 것이 매우 중요합니다.