R glm系数

我有一个关于glm函数的问题

当我设定

m= glm(outcome ~ predictor, family = "binomial")

c1 = m$coefficients[1]

c2 = m$coefficients[2]

如何解释c1和c2？

---

我想设置一个回归函数，用这些系数来描述数据，但我不知道插入它们的一般函数。

如果您使用

glm

并将

系列设置为
二项式
，那么我猜
结果
是一个二进制变量，在这种情况下，您将执行逻辑回归

逻辑回归的系数可以看作是对数优势。如果截距为0，则这意味着在截距处，结果发生的几率为exp（0），即1

记住，事件发生的概率是事件发生的概率与不发生的概率的比率。因此，如果结果的概率为1，则结果的概率为0.5

如果我们使用一些样本数据来展示这一点，我们可能会更好，我们使用一个随机样本来创建我们自己，其中我们指定了结果的概率，并看看我们是否可以从我们的模型中恢复这些概率

我们将创建一个数据框架，其中包含两个级别的因子变量
predictor
，包含“a”组和“B”组，其中“a”组的结果概率为0.5，而“B”组的结果概率为0.67：

set.seed（123
df-0.02800183 0.79098010

这意味着“A”组结果的对数几率为-0.028，B组结果的对数几率为-0.28+0.79。因此，我们可以通过取这些值的指数来获得结果的实际几率：

odds_of_outcome_given_A <- exp(coef(my_model))[1]
odds_of_outcome_given_B <- exp(sum(coef(my_model)))

你可以看到，这些都非常接近0.5和0.667，我们给我们的二项式样本在开始

由（v0.3.0）于2020-06-08创建。
欢迎使用SO！有关统计问题，请查看：
probability_from_odds <- function(o) o/(o + 1)

probability_of_outcome_given_A <- probability_from_odds(odds_of_outcome_given_A)
probability_of_outcome_given_B <- probability_from_odds(odds_of_outcome_given_B)

probability_of_outcome_given_A
#> (Intercept) 
#>       0.493
probability_of_outcome_given_B
#> [1] 0.682