R 执行glm时';性别';变量的后缀为值(M)
当我在R中运行'glm'时,“性别”变量的后缀是M(对于男性)。它有什么特别的含义吗?或者我的代码中有什么错误R 执行glm时';性别';变量的后缀为值(M),r,glm,R,Glm,当我在R中运行'glm'时,“性别”变量的后缀是M(对于男性)。它有什么特别的含义吗?或者我的代码中有什么错误 >as.formula('response ~ gender + age + var1 +var2+var3+var4') response ~ gender + age + var1 + var2 + var3 + var4 >model <- try(glm(formula = fmla, na.action=na.exclude , data = tmp
>as.formula('response ~ gender + age + var1 +var2+var3+var4')
response ~ gender + age + var1 + var2 + var3 + var4
>model <- try(glm(formula = fmla, na.action=na.exclude , data = tmpData));
>summary(model)
>
Estimate Std. Error t value Pr(>|t|)
(Intercept) 27.5192512 0.7215193 38.141 < 2e-16 ***
genderM -3.1572328 0.3952508 -7.988 1.87e-15 ***
age 0.0078203 0.0139269 0.562 0.5745
var1 -0.0007449 0.0004484 -1.661 0.0968 .
var2 0.0284026 0.0017356 16.365 < 2e-16 ***
var3 0.0007293 0.0005172 1.410 0.1586
var4 0.0854644 0.0418632 2.042 0.0413 *
>as.formula('response~gender+age+var1+var2+var3+var4')
反应~性别+年龄+var1+var2+var3+var4
>模型摘要(模型)
>
估计标准误差t值Pr(>t)
(截距)27.5192512 0.7215193 38.141<2e-16***
genderM-3.1572328 0.3952508-7.988 1.87e-15***
年龄0.0078203 0.0139269 0.562 0.5745
var1-0.0007449 0.0004484-1.661 0.0968。
var2 0.0284026 0.0017356 16.365<2e-16***
var3 0.0007293 0.0005172 1.410 0.1586
var4 0.0854644 0.0418632 2.042 0.0413*
就好像你有一个虚拟的0-1变量,其中1代表性别是M
(大概0代表F
)。因此,您的意思是,考虑到其他变量,gender
采用M
值的案例的回答大约比F
案例的回答低3
试试这个例子
require(reshape)
mdata <- melt(UCBAdmissions)
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
require(重塑)
mdata就好像你有一个虚拟的0-1变量,其中1代表性别是M
(大概0代表F
)。因此,您的意思是,考虑到其他变量,gender
采用M
值的案例的回答大约比F
案例的回答低3
试试这个例子
require(reshape)
mdata <- melt(UCBAdmissions)
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
require(重塑)
mdata这是因为您将性别定义为一个因素(检查class(gender)
的输出)glm()
将参考水平以外的每一个因子水平(在水平(性别)
中的第一个)视为模型中的虚拟二分变量(0或1),并为每个二分变量输出回归系数
如果你的因子有n个级别,你将有n-1个虚拟变量。如果您的因子只有两个级别(您可能有),那么您只会得到一个虚拟变量,并且系数与您有一个数字0或1变量时相同。这是因为您将性别定义为一个因子(检查类(性别)
的输出)glm()
将参考水平以外的每一个因子水平(在水平(性别)
中的第一个)视为模型中的虚拟二分变量(0或1),并为每个二分变量输出回归系数
如果你的因子有n个级别,你将有n-1个虚拟变量。如果您的因子只有两个级别(您可能有),那么您只会得到一个虚拟变量,并且系数与数字0或1变量相同。线性模型中每个变量使用的对比系数由“对比度”属性确定,您可以使用对比度()查看和更改该属性
功能,例如:
require(reshape)
mdata <- melt(UCBAdmissions)
contrasts(mdata$Gender)
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
contrasts(mdata$Gender) <- c(-0.5, 0.5) # Use "deviation coding" instead
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
require(重塑)
mdata线性模型中每个变量使用的对比系数由对比度属性确定,您可以使用contrasts()
函数查看和更改该属性,例如:
require(reshape)
mdata <- melt(UCBAdmissions)
contrasts(mdata$Gender)
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
contrasts(mdata$Gender) <- c(-0.5, 0.5) # Use "deviation coding" instead
glm(mdata$value ~ mdata$Gender + mdata$Admit + mdata$Dept)
require(重塑)
mdata