为什么我的glm在使用as.factor（）时仍在分析多变量？

我正在尝试运行一个glm，研究食物类型、栖息地和饥饿期对蚂蚁食物偏好的影响，但是我只想将食物类型作为一个单一因素，尽管我为蚂蚁提供了5种食物。我在食物变量上使用了as.factor，但它似乎仍然不起作用！我想要一个单一的p值来表示食物对个体的影响。我错过什么了吗

  NumofAnts FoodType Trial SiteType
1         0     Pink     1  natural
2         4     Pink     1  natural
3         5     Pink     1  natural
4         4     Pink     1  natural
5         8     Pink     1  natural
6         5     Pink     1  natural

fit | z |）
（截距）1.46177 0.08031 18.202<2e-16***
as.因子（食品类型）蓝色-0.66665 0.06824-9.769<2e-16***
as.因子（食品类型）绿色-0.29987 0.06093-4.922 8.57e-07***
as.系数（食品类型）黄色-0.28086 0.06060-4.635 3.57e-06***
as.系数（食品类型）红色-0.92502 0.07459-12.401<2e-16***
试用版0.19355 0.04327 4.473 7.73e-06***
SiteTypeurban-0.19730 0.04328-4.558 5.16e-06***
---
签名。代码：0'***'0.001'***'0.01'*'0.05'.'0.1''1

当变量为数值时，glm将估计一个系数（因此为一个p值）。但是，当变量是分类变量时（如您的案例中的

食品

），它将为变量的每个级别（除一个之外）计算一个系数。在您的例子中，

食品

有5个级别，因此估计了4个系数（4个p值）。当变量为数值时，glm将估计一个系数（一个p值）。但是，当变量是分类变量时（如您的案例中的

食品

），它将为变量的每个级别（除一个之外）计算一个系数。在您的例子中，

food

有5个级别，因此估计了4个系数（4个p值）。

看起来您的

FoodType

变量不是有序的，因此当前的虚拟编码方法看起来是合适的。您可以拟合包含和不包含

FoodType

的模型，并使用

anova

对其进行比较，以了解包含这些术语的总体影响。您的

FoodType

变量看起来不是有序的，因此当前的虚拟编码方法看起来是合适的。您可以拟合包含和不包含

FoodType

的模型，并使用

anova

对其进行比较，以了解包含这些术语的总体影响。

fit<-glm(NumofAnts~as.factor(FoodType) + Trial + SiteType, 
family=poisson(link=log), data=stacked1)

glm(formula = NumofAnts ~ as.factor(FoodType) + Trial + SiteType, 
    family = poisson(link = log), data = stacked1)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-3.5644  -2.2495  -1.0023   0.8588   8.8051  

Coefficients:
                          Estimate Std. Error z value Pr(>|z|)    
(Intercept)                1.46177    0.08031  18.202  < 2e-16 ***
as.factor(FoodType)Blue   -0.66665    0.06824  -9.769  < 2e-16 ***
as.factor(FoodType)Green  -0.29987    0.06093  -4.922 8.57e-07 ***
as.factor(FoodType)Yellow -0.28086    0.06060  -4.635 3.57e-06 ***
as.factor(FoodType)Red    -0.92502    0.07459 -12.401  < 2e-16 ***
Trial                      0.19355    0.04327   4.473 7.73e-06 ***
SiteTypeurban             -0.19730    0.04328  -4.558 5.16e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1