二元事件的概率称为风险 ，它以全部对象为比较范围。优势 则比较发生与未发生事件的概率。风险差 、风险比 和优势比分别由这两种基本量构成，表示绝对差异、风险尺度上的相对差异和优势尺度上的相对差异。
同一差异的不同尺度
风险差 .15 表示增加 15 个百分点，风险比 1.75 表示相对增加 75%。两者的分母不同：百分点直接表达概率之差，相对增加则以参照组概率为基准。因此，同一个变化不能在省略比较基准后笼统写成某个百分比的“提升”。
教学例 中，RD=.15，RR=1.75，OR=2.154。优势比的额外分母包含未发生事件的概率，使它通常不同于风险比。两组事件均罕见是 OR 近似 RR 的一项常用充分条件：此时两组未发生的概率都接近完整概率。使用这项近似时，基线风险低本身还不够，另一组也需罕见；近似是否适合研究用途，还取决于允许的误差。
列联表效应量 从同一张表推导了这些量及其区间。概率差可以用于表达绝对变化，相对量则需连同基线风险解释。相同相对效应在不同基线风险下，可能对应很不相同的绝对变化。
条件优势比与概率变化
对于无交互且以线性项进入 Logistic 模型的变量， 表示其他变量固定时增加一单位所对应的条件 OR。指数变换使对数优势尺度上的加法关系变成优势尺度上的乘法关系；这个系数所描述的是优势，概率还要通过模型的逆链接求得。
相同 OR 在不同基线风险下可以产生不同的绝对风险差。存在交互时，一个变量的 OR 还依赖另一变量的取值，因而条件和参照方向也是参数含义的一部分。条件 OR 给出具体推导，调整与因果 则解释条件效应与因果目标的区别。
效应大小与 统计证据 还需分别考虑。估计值表达差异尺度，区间表达相应条件下的抽样不确定性；二者共同支撑 综合案例的结果解释。
返回 概念索引。