多元逻辑回归比较多个分类预测变量和多个二元结果

Question

说我有一个数据框data：

Name      V1      V2      V3
Name 1    0       1       1
Name 1    0       0       1
Name 1    1       1       1
Name 2    1       0       0
Name 2    0       0       1
Name 2    1       1       0
Name 3    1       0       0
Name 3    1       0       1
Name 3    1       1       0

因子Name 1，Name 2和Name 3是分类变量，可预测V1:V3中列出的二元结果。

我想执行ANOVA或多元logistic回归，以data$name中显示的二元结果分布比较V1:V3中的每个因素，但不确定如何处理/如何更改数据框以适当执行分析。在Anova()的各个因素上都尝试过glm(family=binomial(link="logit")和data$Name，但这并不能产生我想要的比较结果。我想要执行的分析类型会告诉我，与Name 1和/或{{相比，V1:V3是否更可能对一个或所有响应变量Name 2产生一定的结果1}}。

任何帮助将不胜感激！

Answer 1

在这种情况下，听起来不适合使用ANOVA，但逻辑回归应该可以。您可以对结果变量的每个进行逻辑回归：

data$Name <- as.factor(data$Name)
yourmodel <- glm(V1 ~ Name, data=data, family=binomial(link="logit"))

或其他选项（如注释中所建议）：

yourmodel <- glm(Name ~V1 + V2 +V3, data=data, family=binomial(link="logit"))

...在每种情况下，您都可以通过以下方式获得模型残差，系数等：

summary(yourmodel)

...从中可以提取优势比。