使用ordered()函数的R中逻辑回归的序数自变量

时间:2014-06-26 20:09:40

标签: r statistics regression logistic-regression ordinal

我在R中进行二元逻辑回归,一些自变量代表有序数据。我只是想确保我正确地做到了。在下面的例子中,我创建了样本数据,并根据自变量" I"的假设运行glm()。表示连续数据。然后我使用ordered(I)再次运行它。结果有点不同,所以看起来似乎是一次成功的测试。我的问题是它是否正在做我认为它正在做的事情......例如,它看到整数数据,根据整数的值将其强制转换为顺序数据,并运行glm()使用不同的公式来说明" 1,"之间的距离。 " 2," " 3,"等等可能不一样,因此使它“正确”#34;如果这代表顺序数据。这是对的吗?

> str(gorilla)
'data.frame':   14 obs. of  2 variables:
 $ I: int  1 1 1 2 2 2 3 3 4 4 ...
 $ D: int  0 0 1 0 0 1 1 1 0 1 ...
> glm.out = glm(D ~ I, family=binomial(logit), data=gorilla)
> summary(glm.out)

...再次尝试订购:

  

glm.out = glm(D~ ordered(I),family = binomial(logit),data = gorilla)

 > summary(glm.out)

PS:如果它有帮助,这里是这些测试的全部输出(我注意到的一件事是非常大的标准错误数字):

Call:
glm(formula = D ~ I, family = binomial(logit), data = gorilla)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.7067  -1.0651   0.7285   1.0137   1.4458  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)
(Intercept)  -1.0624     1.2598  -0.843    0.399
I             0.4507     0.3846   1.172    0.241

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 19.121  on 13  degrees of freedom
Residual deviance: 17.621  on 12  degrees of freedom
AIC: 21.621

Number of Fisher Scoring iterations: 4

> glm.out = glm(D ~ ordered(I), family=binomial(logit), data=gorilla)
> summary(glm.out)

Call:
glm(formula = D ~ ordered(I), family = binomial(logit), data = gorilla)

Deviance Residuals: 
     Min        1Q    Median        3Q       Max  
-1.66511  -0.90052   0.00013   0.75853   1.48230  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)
(Intercept)     3.6557   922.4405   0.004    0.997
ordered(I).L    1.3524     1.2179   1.110    0.267
ordered(I).Q   -9.5220  2465.3259  -0.004    0.997
ordered(I).C    0.1282     1.2974   0.099    0.921
ordered(I)^4   13.6943  3307.5816   0.004    0.997

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 19.121  on 13  degrees of freedom
Residual deviance: 14.909  on  9  degrees of freedom
AIC: 24.909

Number of Fisher Scoring iterations: 17

使用的数据:

I,D
1,0
1,0
1,1
2,0
2,0
2,1
3,1
3,1
4,0
4,1
5,0
5,1
5,1
5,1    

0 个答案:

没有答案