我对三个二元因素进行逻辑回归。Logistic回归的虚拟变量R
我的数据
table1<-expand.grid(Crime=factor(c("Shoplifting","Other Theft Acts")),Gender=factor(c("Men","Women")),
Priorconv=factor(c("N","P")))
table1<-data.frame(table1,Yes=c(24,52,48,22,17,60,15,4),No=c(1,9,3,2,6,34,6,3))
和模型
fit4<-glm(cbind(Yes,No)~Priorconv+Crime+Priorconv:Crime,data=table1,family=binomial)
summary(fit4)
[R似乎需要1前科P和1作案行窃。因此,如果上述两者都为1,则交互效果仅为1.现在我想尝试交互术语的不同组合,例如,我想看看如果事先定罪是犯罪行为P 和不是在偷东西。
有没有办法让R为1和0做不同的事情?这将大大方便我的分析。
谢谢。
这里混淆的主要来源是恐惧交互术语。如果我们将CrimeOther设置为1,并且PriorConvP也设置为1,那么它会不会有所不同,甚至可能很重要? – JohnK 2014-11-06 16:36:57
@JohnK在这种情况下,p值不会改变,因为只有一个与交互相关的系数(由于两个预测变量都是二进制的)。一般而言(预测因子> = 2级),如果你对测试交互感兴趣,你应该做一个综合测试(使用'anova()')。 – davechilders 2014-11-06 16:43:59
@DMC对于不同的参考类别,模型总体上会发生轻微变化。尝试使用此代码级别(表1 $ Crime) table1 $ Crime <-relevel(table1 $ Crime,ref =“Shoplifting”) levels(table1 $ Crime) table1 $ Priorconv <-relevel(table1 $ Priorconv,ref =“N”) m <-glm(cbind(Yes,No)〜Priorconv * Crime,data = table1,family = binomial) summary(m) – JohnK 2014-11-06 17:00:12