先看看回归系数：

> coef(fit.reduced)

(Intercept) age yearsmarried religiousness rating

1.931 -0.035 0.101 -0.329 -0.461

在Logistic回归中，响应变量是Y=1的对数优势比（log）。回归系数的含义是当其他预测变量

不变时，一单位预测变量的变化可引起的响应变量对数优势比的变化。

由于对数优势比解释性差，你可对结果进行指数化：

> exp(coef(fit.reduced))

(Intercept) age yearsmarried religiousness rating

6.895 0.965 1.106 0.720 0.630

可以看到婚龄增加一年，婚外情的优势比将乘以1.106（保持年龄、宗教信仰和婚姻评定不

变）；相反，年龄增加一岁，婚外情的的优势比则乘以0.965。因此，随着婚龄的增加和年龄、宗

教信仰与婚姻评分的降低，婚外情优势比将上升。因为预测变量不能等于0，截距项在此处没有

什么特定含义。

如果有需要，你还可使用confint()函数获取系数的置信区间。例如， exp(confint

(fit.reduced))可在优势比尺度上得到系数95%的置信区间。

最后，预测变量一单位的变化可能并不是我们最想关注的。对于二值型Logistic回归，某预

测变量n单位的变化引起的较高值上优势比的变化为exp(βj)^n，它反映的信息可能更为重要。比

如，保持其他预测变量不变，婚龄增加一年，婚外情的优势比将乘以1.106，而如果婚龄增加10

年，优势比将乘以1.106^10，即2.7。