我正在进行一些相当简单的比值比分析，以研究某些变量与损伤结果之间的关系。暴露期限（inj）是二元的，0代表无伤害，1代表伤害。我正在调查的互动条款是，工作中受伤的人（causeWork; 0是否代表工伤并且1代表工伤）和受伤机制（{{ 1}};多变量即。mechanism，mechanismFall，mechanismObject）。 mechanismPerson =秋天的参考变量。我的命令如下：
mechanism在对系数取幂并调用置信区间后，我得到以下值：
fit 1 <- glm(formula = inj ~ cause * mechanism, family = "binomial",
data = dat)
我感到困惑的是理解每个的含义，特别是哪个参考用于OR比较。我目前理解的方式是：
（intecept）：受伤的几率
round(cbind(OR=exp(coef(fit1)), exp(confint(fit1))), 2)
OR 2.5% 97.5 %
(Intercept) 0.24 0.11 0.47
causeWork 1.06 0.14 5.17
mechanismObject 3.52 1.51 8.81
mechanismPerson 1.79 0.65 5.02
causeWork:mechanismObject 0.48 0.07 4.24
causeWork:mechanismPerson 1.88 0.30 16.24
：在工作中受伤（或causeWork）与受伤无法工作的情况（1）
0：在工作中受伤的情况与在秋季工作中受伤的情况（参考）。
...
'causeWork：mechanismObject'：'causeWork'给定机制=对象（与秋天对比）的增量变化
R会自动使用0作为所有情况的参考吗？如果是这样的话，那么拦截是不是遭受痛苦和受伤的几率？我对'causeWork'的解释是正确的吗？谢谢！
答案 0 :(得分：0)
根据我的理解，R会自动使用0作为参考类。对于非分层的分类变量，它只选择一个作为参考，但我不确定它是如何做到的。尽管如此，您对causeWork优势比的解释是正确的：当causeWork预测因子从0变为1，而所有其他预测因子保持不变时，发生伤害的几率会增加1.06（或尊重的置信区间）。