R 具有分类预测因子和交互作用的二项logistic回归(二项家庭参数和p值差异)
当我在glm模型中使用交互加上家庭=二项式参数时,以及当我忽略它时,我有一个关于重要性和重要性差异的问题。我对逻辑回归非常陌生,过去只做过简单的线性回归 我有一个树木年轮观测数据集,包含两个分类解释变量(治疗和起源)。处理变量是具有四个级别(对照、第一次干旱、第二次干旱和两次干旱)的实验性干旱处理。Origin变量有三个级别并引用树的原点(给定代码颜色表示不同的原点,如红色、黄色和蓝色)。我的观察结果是生长环是否存在(1=生长环存在,0=无生长环) 就我而言,我感兴趣的是治疗的效果,起源的效果,以及治疗和起源之间可能的相互作用 有人建议,二项逻辑回归将是一个很好的方法来分析这个数据集。(希望这是合适的?也许有更好的方法?) 我有n=5(每种处理组合按来源观察5次。例如,对照处理蓝色来源树的5次生长轮观察,对照处理黄色来源树的5次生长轮观察,等等),因此数据集中总共有60次生长轮观察R 具有分类预测因子和交互作用的二项logistic回归(二项家庭参数和p值差异),r,logistic-regression,glm,p-value,R,Logistic Regression,Glm,P Value,当我在glm模型中使用交互加上家庭=二项式参数时,以及当我忽略它时,我有一个关于重要性和重要性差异的问题。我对逻辑回归非常陌生,过去只做过简单的线性回归 我有一个树木年轮观测数据集,包含两个分类解释变量(治疗和起源)。处理变量是具有四个级别(对照、第一次干旱、第二次干旱和两次干旱)的实验性干旱处理。Origin变量有三个级别并引用树的原点(给定代码颜色表示不同的原点,如红色、黄色和蓝色)。我的观察结果是生长环是否存在(1=生长环存在,0=无生长环) 就我而言,我感兴趣的是治疗的效果,起源的效果,
在R中,我使用的代码是glm()函数。我将其设置如下:growthring_model根据Gregor的上述评论,可以将其解释为编程问题。如果省略
family=binomial
,则函数glm()
将使用默认的family=gaussian
,这意味着一个标识链接函数,并假设正常、同调错误。另请参见?glm
此处可能违反了正态和/或同态误差的假设。因此,此处显示的第二个模型的标准误差和p值可能不正确。这不是编程问题。要获得统计信息帮助,请转到stats.stackexchange。另外,请确保您查看的是正确的列,在粘贴输出的第二块中,格式似乎有点不正确。p值仍然是第四列数字。只有一个小于0.05。我建议看一些关于虚拟数据的模型预测。(在二项模型上运行
predict
时,请确保使用type=“response”
)我认为这将帮助您确定哪种模型有意义。你好,Gregor。啊,非常抱歉和感谢,我将切换到stats.stackexchange。是的,我认为你在格式方面也是对的。我将按照你的建议尝试一些模型预测。
Deviance Residuals:
Min 1Q Median 3Q Max
-1.79412 -0.00005 -0.00005 -0.00005 1.79412
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -2.057e+01 7.929e+03 -0.003 0.998
TreatmentFirst Drought -9.931e-11 1.121e+04 0.000 1.000
TreatmentSecond Drought 1.918e+01 7.929e+03 0.002 0.998
TreatmentTwo Droughts -1.085e-10 1.121e+04 0.000 1.000
OriginYellow 1.918e+01 7.929e+03 0.002 0.998
OriginRed -1.045e-10 1.121e+04 0.000 1.000
TreatmentFirst Drought:OriginYellow -1.918e+01 1.373e+04 -0.001 0.999
TreatmentSecond Drought:OriginYellow -1.739e+01 7.929e+03 -0.002 0.998
TreatmentTwo Droughts:OriginYellow -1.918e+01 1.373e+04 -0.001 0.999
TreatmentFirst Drought:OriginRed 1.038e-10 1.586e+04 0.000 1.000
TreatmentSecond Drought:OriginRed 2.773e+00 1.121e+04 0.000 1.000
TreatmentTwo Droughts:OriginRed 2.016e+01 1.373e+04 0.001 0.999
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 57.169 on 59 degrees of freedom
Residual deviance: 28.472 on 48 degrees of freedom
AIC: 52.472
Number of Fisher Scoring iterations: 19
Deviance Residuals:
Min 1Q Median 3Q Max
-0.8 0.0 0.0 0.0 0.8
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -4.278e-17 1.414e-01 0.000 1.0000
TreatmentFirst Drought 3.145e-16 2.000e-01 0.000 1.0000
TreatmentSecond Drought 2.000e-01 2.000e-01 1.000 0.3223
TreatmentTwo Droughts 1.152e-16 2.000e-01 0.000 1.0000
OriginYellow 2.000e-01 2.000e-01 1.000 0.3223
OriginRed 6.879e-17 2.000e-01 0.000 1.0000
TreatmentFirst Drought:OriginYellow -2.000e-01 2.828e-01 -0.707 0.4829
TreatmentSecond Drought:OriginYellow 2.000e-01 2.828e-01 0.707 0.4829
TreatmentTwo Droughts:OriginYellow -2.000e-01 2.828e-01 -0.707 0.4829
TreatmentFirst Drought:OriginRed -3.243e-16 2.828e-01 0.000 1.0000
TreatmentSecond Drought:OriginRed 6.000e-01 2.828e-01 2.121 0.0391 *
TreatmentTwo Droughts:OriginRed 4.000e-01 2.828e-01 1.414 0.1638
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for gaussian family taken to be 0.1)
Null deviance: 8.9833 on 59 degrees of freedom
Residual deviance: 4.8000 on 48 degrees of freedom
AIC: 44.729
Number of Fisher Scoring iterations: 2