Question

我对答案感到困惑 Logistic regression - defining reference level in R

它说如果你想预测“是”的概率，你设置为relevel(auth$class, ref = "YES")。但是，在我的实验中，如果我们有一个“0”和“1”的二进制响应变量。当我们设置relevel(factor(y),ref="0")时，我们只得到概率为“1”的估计。

n <- 200
x <- rnorm(n)
sumx <- 5 + 3*x
exp1 <- exp(sumx)/(1+exp(sumx))
y <- rbinom(n,1,exp1) #probability here is for 1
model1 <- glm(y~x,family = "binomial")
summary(model1)$coefficients
            Estimate Std. Error  z value     Pr(>|z|)
(Intercept) 5.324099  1.0610921 5.017565 5.233039e-07
x           2.767035  0.7206103 3.839849 1.231100e-04
model2 <- glm(relevel(factor(y),ref="0")~x,family = "binomial")
summary(model2)$coefficients
            Estimate Std. Error  z value     Pr(>|z|)
(Intercept) 5.324099  1.0610921 5.017565 5.233039e-07
x           2.767035  0.7206103 3.839849 1.231100e-04

那我的错是什么？实际上，如果我们使用“0”和“1”以外的响应，那么glm（）默认预测是什么？

Answer 1

如果P(0)的概率为0且P(1)概率为1，则P(0) = 1 - P(1)。因此，您始终可以计算参考水平的概率，无论您将哪个水平设置为参考水平。

例如，predict(model1, type="response")为您提供非参考水平的概率。 1 - predict(model1, type="response")为您提供参考水平的概率。

如果我们使用＆＃39; 0＆＃39;以外的响应，您还会问，＆＃34;默认情况下glm()预测是什么？和＆＃39; 1＆＃39;。＆＃34;对于（二项式）逻辑回归是合适的，您的结果需要是具有两个类别的分类变量。您可以随意调用它们，0/1，黑/白，因为/否则，Mal / Serenity等。一个将是参考级别 - 无论您喜欢哪个 - 并且模型将为您提供另一个的概率水平。参考水平的概率仅为1减去另一水平的概率。

如果您的结果有两个以上的类别，您可以使用multinomial logistic regression模型，但原则类似。

与R中的逻辑回归中的参考水平相混淆

1 个答案: