Question

我试图对通过真实调查收集的数据进行逻辑回归。数据集包含聚合数据（即已作为微数据的总和导出），并包含以下列：

关于特征存在的从属Y变量（二进制：0,1）
三个解释性分类变量，即性别，年龄组和教育水平
在调查受访者中应用加权调整后，数值为千，反映了人口层面的抽样频率。
频率，即样本中具有特定特征的人数（例如，年龄在15-34岁之间的样本中的女性人数，具有该特征的具有教育程度的1级）。

因此，我为10个国家的Y因变量（0,1）提供了人口统计变量（所有分类）的所有可能组合。更具体地说，如果运行以下内容，您可以看到我的数据集的格式： / p>

Country<-rep(c(paste("country",1:10,sep='_',each=36)
Y<-rep(0:1, each=18, len=360)
Sex<- rep(c("Females", "Males"), each=9, times=20)
Age<- rep(c("15-34", "35-54", "55+"), each=3, times=40)
Education<- rep(c("edu1", "edu2", "edu3"), len=360)
Value<- runif(360, 0.6, 100.56)
Freq<- floor(runif(360,1,150)) 

data<- data.frame(Country, Y, Sex, Age, Education, Value, Freq)

经过大量的研究，我选择首先运行逻辑回归，如下所示：

glm(Y~Age+Sex+Education+Country, weights=Value, data=data, family=binomial(logit))

但我有一个错误 - 警告信息：

Warning message:
In eval(expr, envir, enclos) : non-integer #successes in a binomial glm!

然后我将数据从长形式转换为宽形式，以便运行第二个逻辑，如下：

glm( cbind(ans1,ans0) ~ Age+Sex+Education+Country,  data=data, family = binomial(logit))

但我也有错误 - 警告信息：

Warning message:
In eval(expr, envir, enclos) : non-integer counts in a binomial glm!

当某些类别组合中存在NA时，两种方式的结果完全不同。

所以，如果有人能回答以下任何问题，我将不胜感激：

有人知道我是用第一种还是第二种方式正确运行glm？我的问题是我不知道我是否可以使用加权数据运行逻辑回归。我应该使用例如样本中的频率吗？但是我没有使用权重......
为什么我在解释变量中有NAs的两种方式有不同的结果？
当我运行数值为千的glm和实际值，即乘以1000时，我有相同的OR但不同的标准错误，偏差，AIC等。哪个是正确的？如果我使用数千人口是不是错了？

提前谢谢！

加权数据的Logistic回归（人口）

0 个答案: