Интерпретация результатов логистической регрессии Опции

[banga]

Здравствуйте!
Хотелось бы получить совет/рекомендации относительно интерпретации результатов логистической регрессии.
Короткая преамбула: само исследование направлено на изучение факторов риска агрессивных действий у людей с психическими заболеваниями. Независимых переменных фиксировалось много - порядка 300. В качестве зависимой переменной выступал факт реализации агрессивных действий. Для начала я сравнила группы по всем переменным и для логистического анализа взяла только те, по которым были выявлены значимые различия. Их оказалось около 100. И потом провела логист регрессию (метод stepwise forward:lr), в результате которой были выделены 15 "предикторов". Но значения коэффициентов Вальда для них оказались очень низкими, уровень значимости для них приближался чуть ли не к единице. При этом все остальные показатели модели были вполне себе хорошими (хи-квадрат для модели, -2 Log likelihood). Особенно порадовала статистика попадания в "нужную" группу, составившая 98,6%. Наверное, важно здесь указать размеры групп: в первую группу (агрессивных) вошло 106, во вторую - 104 человека.
У меня, как человека, пытающегося самостоятельно разобраться со стат. методами, есть куча вопросов (в литературе не нашла на них ответа, поэтому обращаюсь на форум).
1. Что содержательно могут означать эти результаты: критерии для модели - хорошие, для предикторов - нет? (у меня есть идеи, как это можно было бы интерпретировать, но это всего лишь домыслы - хотелось бы знать наверняка)
2. С чем это м.б. связано - маленький объем выборки, слишком большое количество переменных или что-то другое?
3. Если статистика Вальда такая низкая - означает ли это, что анализ не удался? Тогда есть ли другой способ решить поставленную задачу (выявить предикторы совершения агрессивных действий)?
Заранее спасибо!

[DoctorStat]

Особенно порадовала статистика попадания в "нужную" группу, составившая 98,6%

Вы обнаружили очень информативные факторы! Такой высокий процент 98,6% «попадания в группу» редко встречается. Непонятно только, как для такого большого процента попадания получились очень низкие значимости отдельных факторов?! Попробуйте другой метод stepwise backward:lr и сравните набор полученных переменных с предыдущим методом. В случае совпадения предикторов, отобранных разными методами, повышается уверенность в их значимости для модели.