Question

因此，我正在尝试使用二元逻辑回归模型来估算疾病的几率，这是最初的疾病暴发数据（有196个观察结果，我删除了一些数据条目）：

第1栏：身份证（人）

第2栏：人的年龄

第3栏：SES（该人的社会经济地位）（1 =上层阶级，2 =中产阶级，3 =下层阶级）

第4栏：Sect（分类：两个不同的区域）

第5栏：Y（1 =疾病，0 =无疾病）

第6栏：储蓄（1 =人有储蓄，0 =没有储蓄）

1     33      1      1      0      1
2     35      1      1      0      1
3      6      1      1      0      0
...
194     31      3      1      0      0
195     85      3      1      0      1
196     24      2      1      0      0

我尝试了以下命令来适应二元回归模型：

lm1=glm(Y~factor(Age)+factor(SES)+factor(Sect)+factor(Savings),family=binomial("logit"))
summary(lm1)

并不奇怪，这是一个烂摊子，因为有太多的年龄条款（年龄条款从2到85）...所以我的问题是，有人能够帮助我修改我的命令所以我'我能否有一个年龄估计，例如，5或10年的间隔增量？

此外，上述模型不包含任何互动条款。所以，如果我要考虑，说SES *年龄互动，我想看看每5年或10年的年龄估计，我该如何写输入命令？

Answer 1

使用cut将数字转换为系数，点击HERE了解有关剪切的更多信息。

您可能感兴趣的标志是breaks=：

如果你只将一个数字传递给那个标志，它会将整个范围分成等效的间隔，就像我在下面给出的例子一样。您还可以传递一个数字向量，该向量将指定区间的划分方式。

data(mtcars)
library(plyr)
mydata <- mtcars
# Here I cut the whole numeric range into 10 equal intervals
mydata$myhp <- cut(mydata$hp, 10)
# Here is how the data looks like:
                     mpg cyl  disp  hp  drat  wt  qsec   vs am gear carb      myhp
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4   (108,137]
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4   (108,137]
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1  (80.1,108]
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1   (108,137]
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2   (165,194]
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1  (80.1,108]
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4   (222,250]
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2 (51.7,80.1]

> str(mydata)
'data.frame':   32 obs. of  12 variables:
 $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
 ....
 $ myhp: Factor w/ 10 levels "(51.7,80.1]",..: 3 3 2 3 5 2 7 1 2 3 ...

使用R的二元Logistic回归

1 个答案: