Extremt hög oddskvot?

Hej!
Om man gör en multinominell logistisk regressionsanalys och får en extremt hög oddskvot, betyder det att man har gjort fel någonstans?

Jag har gjort en regressionsprövning där Exp(B) har haft ett värde på mindre än 10 för samtliga prövade grupper, förutom för en grupp där värdet blev drygt 10000000. Prövningen är signifikant (p-värdet är mindre än 0,05) och Wald-värdet är 12754.839. Kan det stämma eller måste det har blivit något fel någonstans?

Tacksam för alla svar som kan bringa lite klarhet här...

Hej,

Det här var en svår men intressant fråga! Tyvärr kan jag inte tillräckligt om statistik för att säga något säkert, men det höga Wald värdet pekar väl på att koefficienten för just den här prediktorn avviker väldigt starkt från nollhypotesen?

Om nollhypotesen är att värdet är noll så kan det vara så att du har en modell där en prediktor är väldigt mycket viktigare för utfallet än alla andra prediktorer?

Att det blir en så enorm ökning av Exp(B) betyder väl att en ändring av värdet av prediktorn (med ett steg?) ger en enorm ökning i sannolikhet för att utfallet skall hända?

Så kanske är det något med den här preiktorn som är väldigt viktigt? Annars finns det en del diskussioner på stackexchange och liknande ställen om den här typen av problem så kanske en ide att söka där?

Dom nämner en hel om olika problem gällande indata(tydligen kan för litet data möjligen vara ett problem) bland mycket annat.

Med litet eftertanke. Det är nog något som inte är riktigt bra med data eller modell. Kan det vara ett exempel på "complete separation"?

Kan det vara så enkelt att du har låga mätetal på en oberoende variabel?

Oddskvoten gäller ju för en förändring med en enhet. Om en oberoende variabel har värden av storleksordningen t ex 0,01 (och varierar däromkring) är en förändring av 1 ointressant och brukar ställa till oreda i beräkningen.