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)。