ロジスティック回帰分析の結果の見方｜オッズ比・95%CI・p値をやさしく解説
SPSSや論文表に出てくるオッズ比、95%CI、p値を、どの順番で読めばよいのか整理します。
ロジスティック回帰分析の結果表には、オッズ比、95%信頼区間、p値、回帰係数、標準誤差などが並びます。慣れていない場合、「どこを読めばよいのか」「論文ではどう書けばよいのか」と迷いやすい分析です。
ロジスティック回帰は、アウトカムが二値変数の場合に使われます。たとえば、再発あり・なし、合併症あり・なし、購入あり・なし、満足あり・なしなどです。結果の中心はオッズ比が1より大きいか小さいかです。
結果を見る基本は、オッズ比、95%信頼区間、p値、調整変数、基準カテゴリを順番に確認することです。
ロジスティック回帰分析とは何か
ロジスティック回帰分析は、目的変数が二値のときに、説明変数との関連を評価する方法です。医学研究では発症、再発、死亡、合併症など、ビジネスでは購入、継続、離脱などの分析に使われます。
結果は主にオッズ比として示されます。オッズ比は、ある要因があるとアウトカムが起きやすくなるのか、起きにくくなるのかを示す指標です。
オッズ比の見方
| オッズ比＝1 | アウトカムの起こりやすさに差がない |
|---|---|
| オッズ比＞1 | アウトカムが起こりやすい方向の関連を示す |
| オッズ比＜1 | アウトカムが起こりにくい方向の関連を示す |
たとえば、オッズ比が2.0であれば、基準群に比べてアウトカムが起こるオッズが2倍であると解釈します。ただし、これはリスク比とは異なるため、発生率が高いアウトカムでは解釈に注意が必要です。
95%信頼区間の見方
95%信頼区間は、推定値の不確実性を示します。ロジスティック回帰では、95%信頼区間が1をまたぐかどうかが重要です。
たとえば、オッズ比2.0、95%CI 1.2–3.4であれば、1をまたがないため統計的に有意な関連が示唆されます。一方、95%CI 0.8–5.0であれば、1をまたぐため有意とは言いにくくなります。
p値の見方
p値は、関連がないという帰無仮説のもとで、観察された結果がどの程度起こりにくいかを示します。一般にはp＜0.05で統計的に有意と判断されます。
ただし、p値だけで結論を出すのではなく、オッズ比の大きさ、95%信頼区間、サンプルサイズ、研究デザインをあわせて解釈します。
調整済みオッズ比とは何か
調整済みオッズ比は、年齢、性別、重症度、既往歴などの交絡因子をモデルに入れたうえで推定されるオッズ比です。医学論文では、単変量解析のオッズ比と多変量解析の調整済みオッズ比を区別して示すことがあります。
どの変数を調整したかは、Methodsに明確に記載する必要があります。説明変数を入れすぎるとモデルが不安定になるため、イベント数とのバランスも重要です。
カテゴリ変数と基準カテゴリ
カテゴリ変数を投入する場合、どのカテゴリを基準にしたかを確認する必要があります。たとえば、男性を基準に女性のオッズ比を示す場合と、女性を基準に男性のオッズ比を示す場合では解釈が逆になります。
論文表では、Reference、Ref、基準などの表記を確認し、読者が誤解しないようにします。
論文での結果の書き方
ロジスティック回帰の結果を書くときは、目的変数、説明変数、調整変数、オッズ比、95%信頼区間、p値を示します。
例として、「年齢で調整したロジスティック回帰分析の結果、喫煙ありは合併症発生と有意に関連していた（調整済みOR 2.10、95%CI 1.20–3.65、p=0.009）」のように記載します。
よくある質問
Q1. オッズ比とリスク比は同じですか？
同じではありません。オッズ比はオッズの比であり、アウトカムがまれな場合はリスク比に近くなりますが、発生率が高い場合は差が大きくなることがあります。
Q2. 95%信頼区間が1をまたぐとはどういう意味ですか？
オッズ比1、つまり関連なしの可能性を含むため、統計的に有意とは言いにくいという意味です。
Q3. 調整変数は多いほどよいですか？
多ければよいわけではありません。研究目的、先行研究、臨床的妥当性、イベント数を踏まえて選ぶ必要があります。
まとめ｜ロジスティック回帰はオッズ比・95%CI・p値をセットで読む
ロジスティック回帰分析では、オッズ比が1より大きいか小さいか、95%信頼区間が1をまたぐか、p値が有意かを確認します。
さらに、調整済みオッズ比、基準カテゴリ、調整変数、モデルの安定性を確認することで、論文や報告書で誤解の少ない説明ができます。
