优势比用于比较两个事件的比率，事件的比率等于事件发生的概率除以事件不发生的概率。例如，您想将接受家庭学校教育的学生与接受公共教育的学生进行比较，以了解其中一组学生以优异成绩从大学毕业的几率是否更高一些。优势比构建如下：
|
家庭学校 |
|
|
公共学校 |
||
|
比率 A = |
p(以优异成绩毕业) |
|
|
比率 B = |
p(以优异成绩毕业) |
|
1 |
|
|
1 | ||
|
优势比 = |
比率 A |
|
比率 B |
如果此优势比等于 3.0，则可以断定，接受家庭学校教育的学生以优异成绩毕业的比率是公共学校学生的 3 倍。
您可以通过选择 Logit 连结函数在 Logistic 回归中使用优势比。在 Logistic 回归中，优势比是比较类别响应变量每个水平的比率，以将每个预测变量对每个响应水平的概率的影响量化。例如，假设您正在分析汽车购买情况，以确定客户的年龄和性别是否会影响他们购买混合动力车的选择。您用下列变量创建了一个 Logistic 回归模型：
|
变量 |
类型 |
说明 |
|
混合动力车 |
二进制响应变量 |
客户不购买混合动力车时为 0，客户购买时为 1。 |
|
性别 |
二进制预测变量 |
客户是男性时为 0，客户是女性时为 1。 |
|
年龄 |
连续预测变量 |
等于客户的年龄。可以等于任何非负值。 |
假设 Logistic 回归过程表明两个预测变量都很显著。如果“性别”的优势比为 2.0，您可以断定，女性购买混合动力车的比率为男性的 2 倍。如果“性别”的优势比为 1.05，您可以断定，客户的年龄每增加一岁，购买混合动力车的比率将提高 5%（因子为 1.05）。
对于 Logistic 回归模型中的每个预测变量，Minitab 都将显示一个优势比以及优势比的置信区间。