Question

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。

Answer 1

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

我应该如何解释R中函数多项式的结果？

1 个答案: