优势比和危险比之间是否存在功能差异？

在逻辑回归中，优势比为2意味着在预测变量增加1个单位的情况下，该事件的可能性高2倍。在Cox回归中，危险比为2意味着，如果预测变量增加一个单位，则该事件在每个时间点的发生频率将是两倍。这些实际上不是一回事吗？

如果我们可以从逻辑回归的优势比中获得功能上相同的信息，那么进行Cox回归和获得风险比的优势是什么？

比值比为2表示，如果预测变量增加1个单位，则该事件的可能性高2倍

这意味着赔率将翻倍，这与翻倍的概率不同。

在Cox回归中，危险比为2意味着，如果预测变量增加一个单位，则该事件在每个时间点的发生频率将是两倍。

除了一点挥手，是的-发生率翻倍。就像缩放的瞬时概率一样。

这些实际上不是一回事吗？

当事件几率翻倍与事件风险翻倍时，它们几乎是同一件事。它们并不是自动相似的，但是在某些（相当普遍）的情况下，它们可能非常接近。

您可能需要更仔细地考虑赔率和概率之间的差异。

例如，请参见此处的第一句话，这清楚地表明，赔率是概率与其补数的比率。例如，将赔率（有利）从1增加到2与从$\frac{1}{2}$ 至 $\frac{2}{3}$。赔率增加快于概率增加。对于非常小的概率，优势几率和几率非常相似，而随着几率变小，反对几率变得越来越类似于（在该比率将变为1的情况下）几率倒数。比值比就是两组比值的比值。在保持基本赔率恒定的同时增加赔率比对应于增加其他赔率，但是可能或可能不类似于概率的相对变化。

您可能还需要考虑危险与可能性之间的差异（请参阅我之前提到的挥手的讨论；现在我们不再掩盖差异）。例如，如果概率为0.6，则不能将其加倍-但0.6的瞬时危害可以加倍至1.2。它们不是同一件事，以不同的方式表示概率密度不是概率。

这是一个很好的问题。但是，您真正要问的不应该是如何解释统计数据，而应该是每种假设（危险或后勤）的基础是什么假设。逻辑模型是一种静态模型，可以根据可观察的信息有效地预测在特定时间发生事件的可能性。但是，危害模型或Cox模型是持续时间模型，可以对随时间变化的生存率进行建模。您可能会问一个问题，例如“如果使用Logistic回归，相对于非吸烟者，吸烟者存活到75岁的可能性是多少”（假设您具有有关75岁以下人群死亡率的信息） 。但是，如果相反，您想利用数据时间维度的完整性，那么使用危险模型将更为合适。

最终，尽管它实际上取决于您要建模的内容。您相信您正在建模的是一次事件吗？使用物流。如果您认为您的事件在可观察到的时间范围内每个时段都有固定或成比例的机会发生？使用危害模型。

选择方法不应基于您如何解释统计信息。如果是这种情况，那么OLS，LAD，Tobit，Heckit，IV，2SLS或其他许多回归方法之间就不会有差异。相反，它应该基于您认为要估算的基础模型采用的形式。