r-logistic输出中的不完全因子交互作用值
我正在建立一个逻辑回归模型,使用一个连续变量和一个12个不同水平(月)的因子变量。我对每月的互动效果感兴趣r-logistic输出中的不完全因子交互作用值,r,R,我正在建立一个逻辑回归模型,使用一个连续变量和一个12个不同水平(月)的因子变量。我对每月的互动效果感兴趣 glm(formula = PQR.dep ~ multi.month.data * Month, family = binomial, data = training) 但是,当我查看输出时,初始因子值(1月)似乎是隐式的 我如何1)明确显示该因子的值,或2)确定系数和Pr(>| z |)是什么 系数: 估计标准误差z值Pr(>z) (截距)-1.32310 0.16057-8.24
glm(formula = PQR.dep ~ multi.month.data * Month, family = binomial,
data = training)
但是,当我查看输出时,初始因子值(1月)似乎是隐式的
我如何1)明确显示该因子的值,或2)确定系数和Pr(>| z |)是什么
系数:
估计标准误差z值Pr(>z)
(截距)-1.32310 0.16057-8.24当你有一个系数时,R假设其中一个水平(在本例中为月01日
)有一个系数,Pr(>| z |)为0。您在输出中看到的内容可以被认为是与2017年1月1日相比的某个月的效果。同样,该月的相互作用项也为0。如果回到逻辑回归基础,则可以仅使用截距和最低类别中受试者的比例,但使用R,使用predict
功能要容易得多
mod1 <- glm(formula = PQR.dep ~ multi.month.data * Month,
family = binomial, data = training)
predict(mod1,
newdata=data.frame(Month=`01Jan`,
multi.month.data = with(training,
seq(min(multi.month.data),
max(multi.month.data),
length=10))
type="response" )
mod1非常类似(可能是重复的)
mod1 <- glm(formula = PQR.dep ~ multi.month.data * Month,
family = binomial, data = training)
predict(mod1,
newdata=data.frame(Month=`01Jan`,
multi.month.data = with(training,
seq(min(multi.month.data),
max(multi.month.data),
length=10))
type="response" )