Это хороший вопрос. Но то, что вы действительно спрашиваете, должно заключаться не в том, как интерпретировать статистику, а в том, какие предположения лежат в основе каждой из ваших соответствующих моделей (опасности или логистики). Логистическая модель - это статическая модель, которая эффективно прогнозирует вероятность события, происходящего в конкретное время, с учетом наблюдаемой информации. Однако модель опасности или модель Кокса - это модель продолжительности, которая моделирует показатели выживаемости во времени. Вы можете задать вопрос типа «какова вероятность того, что пользователь сигареты доживет до 75 лет по сравнению с тем, кто не пользуется ею с вашей логистической регрессией» (учитывая, что у вас есть информация о смертности для когорты до 75 лет) , Но если вместо этого вы хотите воспользоваться преимуществами измерения времени ваших данных, тогда использование модели опасности будет более уместным.
В конечном счете, все сводится к тому, что вы хотите моделировать. Верите ли вы, что вы моделируете одноразовое событие? Используйте логистику. Если вы считаете, что ваше событие имеет фиксированную или пропорциональную вероятность наступления каждого периода в наблюдаемом временном спектре? Используйте модель опасности.
Выбор методов не должен основываться на том, как вы интерпретируете статистику. Если бы это было так, то не было бы никакой разницы между OLS, LAD, Tobit, Heckit, IV, 2SLS или множеством других методов регрессии. Вместо этого он должен основываться на том, какую форму вы считаете базовой моделью, которую вы пытаетесь оценить.