Question

我的分类结果（响应）为-1或1。我也有预测变量（体重，状况，试验类型），其中所有变量都是分类变量，但体重是连续的。

基本上，我想知道的是，Response是否根据试验的重量而改变。

就像Sbj 500一样，他们在6的重量下相对于1的重量下更可能具有-1的响应。

由于我的结果是绝对的，因此我进行了GLM。但是我的总体模型不是信号，而是每个预测变量。我不确定要执行的适当测试是什么。

# Sample data frame 
df500 <- data.frame(Sbj = c(500), TrialNum=c(1:6), 
                    Condition=c(1,1,1,1,1,1), 
                    TrialType = c(1, 1, 1, -1, -1, -1), 
                    Weight=c(1:6), Response=c(-1,1,-1,1,1,-1))


df501 <- data.frame(Sbj = c(501), TrialNum=c(1:6), 
                    Condition=c(-1,-1,-1,-1,-1,-1), 
                    TrialType = c(-1, -1, -1, 1, 1, 1), 
                    Weight=c(6:1), Response=c(1,-1,-1,1,1,-1))


df502 <- data.frame(Sbj = c(502), TrialNum=c(1:6), 
                    Condition=c(1,1,1,1,1,1), 
                    TrialType = c(1, 1, 1, -1, -1, -1), 
                    Weight=c(1:6), Response=c(1,-1,-1,-1,1,1))


df <- merge(df500, df501, all=TRUE)
df <- merge(df, df502, all=TRUE)

# GLM 
GLM_m <- glm(Response ~ 1 + Condition*Type*Weight, 
             data = df, family = "binomial")
summary(GLM_m)

在我的总结中，单个系数为sig，但总体模型不是。这是什么意思？

Answer 1

测试仅取决于结果的类型。

对于您来说，对于categorical的结果，您应该使用诸如accuracy，precision，recall，f-score和{{1} }。

您可以将基于错误的指标用于confusion matrix的结果。这些指标包括continuous，mean square error，mean absolute error，仅举几例。

要查看各种功能与预测之间的关系，您必须查看模型摘要。摘要包含各种特征的系数，并回答了每个特征与预测之间的相关程度（该特征对预测的影响程度如何）的问题。

这里是root mean square error的模型摘要的全面说明。

Model summary of glm model.

哪种类型的分析具有连续和分类预测变量的分类结果？

1 个答案: