我有一个包含五个分类变量的数据集。然后,我在软件包nnet中使用函数multinom进行了多项逻辑回归,然后从系数中导出了 p 值。但是我不知道如何解释结果。
p 值是根据UCLA的指南https://stats.idre.ucla.edu/r/dae/multinomial-logistic-regression/得出的。
就像这样:
z <- summary(test)$coefficients/summary(test)$standard.errors
p <- (1 - pnorm(abs(z), 0, 1)) * 2
p
我明白了:
(Intercept) Age1 Age2 Age3 Age4 Unit1 Unit2 Unit3 Unit4 Unit5 Level1 Level2 Area1 Area2
Not severe 0.7388029 9.094373e-01 0 0.000000e+00 0.000000e+00 0 0.75159758 0 0 0.0000000 0.8977727 0.9333862 0.6285447 0.4457171
Very severe 0.0000000 1.218272e-09 0 6.599380e-06 7.811761e-04 0 0.00000000 0 0 0.0000000 0.7658748 0.6209889 0.0000000 0.0000000
Severe 0.0000000 8.744405e-08 0 1.052835e-06 3.299770e-04 0 0.00000000 0 0 0.0000000 0.8843606 0.4862364 0.0000000 0.0000000
Just so so 0.0000000 1.685045e-07 0 5.507560e-03 2.973261e-06 0 0.08427447 0 NaN 0.3010429 0.5552963 0.7291180 0.0000000 0.0000000
Not severe at all 0.0000000 0.000000e+00 0 0.000000e+00 0.000000e+00 0 NaN NaN 0 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000
但是我应该如何解释这些p值?年龄3与严重程度显着相关吗?我对统计数据很满意,也不知道。请帮助我了解结果。预先谢谢你。
答案 0 :(得分:0)
我建议使用 stargazer
包来显示系数和 p 值(我认为这是一种更方便和常用的方式)
关于结果的解释,在多项式模型中,您可以说:保持所有其他变量不变,如果 Age3 高一个单位,非常严重的对数几率em> 相对于参考类别,比系数值所指示的数量高/低。 p 值仅显示这两个变量(预测变量和响应)之间的关联是否显着。解释与其他模型相同。
注意:在 p 值的情况下,零假设始终是系数等于零(根本没有影响)。当 p 值小于 0.05 时,您可以放心地拒绝原假设并声明预测变量对响应变量有影响。
希望能给你一些提示