1702649587
1702649588
我们有两种方法（彼此等价）可用于讨论从逻辑斯蒂回归估计得到的影响效应：①每个自变量对因变量的对数比率的相加效应；②每个自变量对因变量的比率的乘积效应。先来介绍一下如何解释对数比率效应，也即对logits的影响效应。正如公式13.1所示，我们可以将变量对对数比率的影响（b）像OLS回归方程中的系数那样解释：在控制了所有其他变量的影响后，自变量某一单位的变化将导致受到枪械威胁的对数比率发生b个单位的变化。因此，以表13-3的模型2为例，在种族、受教育程度和调查年份保持不变的情况下，男性和女性受到枪械威胁的对数比率的差异为1.42。同样，在控制了性别、种族和受教育程度后，受到枪械威胁的期望对数比率（expected log odds）逐年增加0.0101。因此，在其他条件都相同的情况下，1994年受到枪械威胁的期望对数比率比1973年大约高出20%〔准确地说是0.2121=0.0101×（1994-1973）〕，依此类推。
1702649589
1702649590
虽然解释起来简单、直接，但对数比率的意义并不是很直观。因此，一个更好的方法是解释b的反对数，即eb。这样，在控制了所有其他变量后，自变量一个单位的变化将导致受到枪械威胁的相对比率增加（或减少）eb个单位。这直接来自公式13.6（与公式13.1是一样的）：
1702649591
1702649592
1702649593
1702649594
1702649595
将等式两边取指数，我们得到：
1702649596
1702649597
1702649598
1702649599
1702649600
也就是说，属于某个二分变量的类别1而非类别2的比率由系数的反对数的乘积给出。b的反对数被解释为对比率比（odds ratios）的影响，即在保持所有其他自变量不变的情况下，在某一自变量的取值上相差一个单位的两个人（或两组人），他们（在因变量上）的比率之比。因此，以模型2为例，在种族、受教育程度和调查年份保持不变的条件下，男性受到枪械威胁的期望比率是女性的4.15倍（=e1.4235）。同样，在控制了性别、种族和受教育程度之后，受到枪械威胁的比率逐年增加1.0102，因此，1994年受到枪械威胁的净期望比率比1973年大约高出25%〔准确地说是1.2363［=e0.0101（1994-1973）=（e0.0101）（1994-1973）］〕，依此类推。
1702649601
1702649602
那么，我们能够得出什么样的实质性结论呢？在控制了其他因素后，男性曾经受到枪械威胁的期望比率是女性的4倍；受到枪械威胁的期望比率随受教育程度的提高而略微有所下降（那些至少大学毕业的人受到枪械威胁的比率比那些只受过8年教育的人低约14%——准确地说是0.8624=e（-0.0185（16-8））），但正如我们所看到的，它随时间在缓慢增加；黑人在任何年份受到枪械威胁的比率都是同性别和同等受教育程度非黑人的1.5倍以上（准确地说是1.56=e0.4463）。
1702649603
1702649604
现在让我们来看模型4。注意，受教育程度和调查年份的系数几乎没有变化。因此，我们可以只解释男性和黑人这两个变量的系数以及它们的交互项。要想知道如何解释这些系数，一种简便的方法是将受教育程度和调查年份这两个变量取固定值之后再来对方程求值。让我们取1994年和受过20年教育作为这两个变量的值，以估算种族和性别对曾经受到枪械威胁概率的影响。因此，我们计算出一个新截距：a′=a+bE×20+bY×94=-2.9037-0.0191×20+0.0101×94=-2.3363（这里，bE是受教育程度变量的系数，bY是调查年份变量的系数）。然后，我们按照种族和性别算出曾经受到枪械威胁的期望对数比率（为方便起见，称之为G）（这里，bM是男性变量的系数，bB是黑人变量的系数，而bBM是这两个变量交互项的系数）。
1702649605
1702649606
对于非黑人女性，我们有：
1702649607
1702649608
G=a′
1702649609
1702649610
=-2.3363 （13.8）
1702649611
1702649612
对于黑人女性，我们有：
1702649613
1702649614
G=a′+bB
1702649615
1702649616
=-2.3363+0.5690=-1.7673 （13.9）
1702649617
1702649618
对于非黑人男性，我们有：
1702649619
1702649620
G=a′+bM
1702649621
1702649622
=-2.3363+1.4543=-0.8820 （13.10）
1702649623
1702649624
对于黑人男性，我们有：
1702649625
1702649626
G=a′+bB+bM+bBM
1702649627
1702649628
=-2.3363+0.5690+1.4543-0.2125=-0.5255 （13.11）
1702649629
1702649630
从表13-3中的系数和上面展示的运算来看，我们知道非黑人男性受到枪械威胁的期望对数比率比非黑人女性大1.45倍；黑人女性受到枪械威胁的期望对数比率比非黑人女性大0.57倍；但是，黑人男性面临的危险并不完全是身为男性和黑人风险的双重叠加，因为他们的期望对数比率相较于男性变量的系数和黑人变量的系数之和低0.21倍。或者，用另外一种方式来表达，非黑人的性别差异比黑人的性别差异大，女性的种族差异比男性的种族差异大。除了交互项效应太弱而缺乏可靠性之外，这些结果支持了之前的假设。
1702649631
1702649632
如果我们从比率比而不是logit来考虑，会更加容易解释。这样做的一种方法是直接对刚才计算的logit（即G）取反对数。这样一来我们就会看到，在1994年受过20年教育的人曾经受到枪械威胁的期望比率，非黑人女性是0.10（=e-2.3363），黑人女性是0.17，非黑人男性是0.41，黑人男性是0.59。注意，比率比（在四舍五入误差范围内）显示在表13-3最右边的一列中：非黑人男性受到枪械威胁的比率是非黑人女性的4.3倍（0.4140/0.0967=4.28134.2817）；黑人男性受到枪械威胁的比率是黑人女性的3.5倍（0.5913/0.1708=3.46193.4618=4.2817×0.8085）；依此类推。就像我们针对logit所做的那样，通过写出期望比率，我们可以很明显地看出这一点。
1702649633
1702649634
对于非黑人女性，我们有：
1702649635
1702649636
eG=ea′