我在R中使用固定效果逻辑回归,使用 glm
函数 . 我想使用该指标报告我的结果 .
是否存在使用R计算交互项作为比值比的预先方法?如果,不是,任何人都可以告诉我应该如何做到这一点?
编辑1:我在下面提供了一个可重现的例子 .
set.seed(1234)
dat <- data.frame(
Y = factor(round(runif(60))),
x1 = rnorm(60, 10, 3),
sex = sample(c("male", "female"), size = 60, prob = c(.4, .6), replace = TRUE),
population = sample(c("France", "Kenya", "Thailand"), size = 60, prob = c(.3, .45, .25), replace = TRUE)
)
fm1 <- glm(Y ~ x1 + sex * population, family = binomial(link = "logit"), data = dat)
summary(fm1)
# odds ratios
exp(coef(fm1))
编辑2:进一步澄清 .
我的问题背后的动机来自以下对UCLA统计网站的逻辑回归交互的解释:
http://www.ats.ucla.edu/stat/stata/seminars/interaction_sem/interaction_sem.htm
通过阅读本文,我的理解是,已经转换为优势比或概率的交互项的解释与对数赔率单位中的相同项不同 . 我想我想要了解我是否只需要在转换为比值比时更改我对交互项的解释,或者除了取幂之外我是否还需要进行一些计算?
1 回答
如果您正在讨论
glm()
输出的解释并保持在对数范围内,那么它与您解释lm()
的输出完全类似 . 在这两种情况下,最好谈论预测而不是试图单独解释系数 . 当你要求"pre-cooked way of calculating interaction terms as odds ratios using R"时,目前尚不清楚你真正要求的是什么 . 你知道"pre-cooked way of calculating interaction terms"为lm()
模型输出吗?加州大学洛杉矶分校的教程说你应该要求一种查看概率的方法,而在R回归函数中,答案是"predict":
这是线性预测变量之和的集合,即在此数据集中具有x1样本均值的分类特征的唯一组合的人的截距和系数的总和:
如果需要比值比,那些可以被取幂,但是你应该知道比值比的分母是多少 . 这些是概率(使用type ='response'获得):