RMS程序包中print（）和anova（）函数的逻辑回归图之间的差异

Question

我第一次使用rms包中的lrm函数进行逻辑回归模型（直到现在我使用glm）。我的结局是CRS（二进制），我有三个预测因子-年龄，性别，轴心（二进制）。 我的样本量很大，并且我使用所有可能的相互作用进行了建模。

我的问题--当我查看print（）函数的输出时，似乎年龄与性别之间的交互项（= 1）并不重要（0.08和0.5），而查看anova（）函数的输出表明交互作用很明显（0.03）。

我在这些输出中不了解什么？ 我想要性别= 1和年龄之间的相互作用，我知道方差分析的输出不会拆分为不同的水平，但是如果所有水平都不重要，我期望方差分析表中的结果相同。

数据：

   age_years sex CRS axi
1         56   1   0   0
2         56   1   0   0
3         42   0   0   0
4         67   0   0   0
5         42   1   0   0
6         81   0   0   0
7         73   0   0   0
8         81   1   0   0
9         49   0   0   0
10        59   0   0   0

逻辑回归模型：

m1 <- lrm(CRS ~ (rcs(age_years,4) + sex + axi)^2,
          data = all_db, x = TRUE, y = TRUE, maxit=50) 
> print(m1)
Logistic Regression Model
 
 lrm(formula = CRS ~ (rcs(age_years, 4) + sex + axi)^2, data = all_db, 
     x = TRUE, y = TRUE, maxit = 50)
 
                         Model Likelihood      Discrimination    Rank Discrim.    
                            Ratio Test            Indexes           Indexes       
 Obs         7549882    LR chi2    15163.01    R2       0.322    C       0.790    
  0          7547250    d.f.             13    g        0.644    Dxy     0.580    
  1             2632    Pr(> chi2)  <0.0001    gr       1.905    gamma   0.708    
 max |deriv|   5e-07                           gp       0.000    tau-a   0.000    
                                               Brier    0.000                     
 
                      Coef    S.E.   Wald Z Pr(>|Z|)
 Intercept            -7.1003 0.1863 -38.12 <0.0001 
 age_years            -0.0407 0.0044  -9.16 <0.0001 
 age_years'            0.0281 0.0060   4.69 <0.0001 
 sex=1                 1.3562 0.2342   5.79 <0.0001 
 sex=unk               2.3008 0.4802   4.79 <0.0001 
 axi=1                 7.9016 0.4731  16.70 <0.0001 
 age_years * sex=1    -0.0098 0.0056  -1.75 0.0809  
 age_years' * sex=1    0.0051 0.0075   0.68 0.4936  
 age_years * sex=unk  -0.0121 0.0108  -1.12 0.2629  
 age_years' * sex=unk -0.0147 0.0193  -0.76 0.4462  
 age_years * axi=1     0.0315 0.0102   3.09 0.0020  
 age_years' * axi=1   -0.0216 0.0116  -1.85 0.0642  
 sex=1 * axi=1        -1.0031 0.1284  -7.81 <0.0001 
 sex=unk * axi=1      -0.8317 0.1698  -4.90 <0.0001 
 
> anova(m1)
                Wald Statistics          Response: CRS 

 Factor                                         Chi-Square d.f. P     
 age_years  (Factor+Higher Order Factors)         444.32    8   <.0001
  All Interactions                                 25.08    6   0.0003
  Nonlinear (Factor+Higher Order Factors)          64.98    4   <.0001
 sex  (Factor+Higher Order Factors)               521.15    8   <.0001
  All Interactions                                 83.67    6   <.0001
 axi  (Factor+Higher Order Factors)             24541.32    5   <.0001
  All Interactions                                 72.38    4   <.0001
 age_years * sex  (Factor+Higher Order Factors)    10.66    4   0.0307
  Nonlinear                                         1.38    2   0.5026
  Nonlinear Interaction : f(A,B) vs. AB             1.38    2   0.5026
 age_years * axi  (Factor+Higher Order Factors)    12.97    2   0.0015
  Nonlinear                                         3.43    1   0.0642
  Nonlinear Interaction : f(A,B) vs. AB             3.43    1   0.0642
 sex * axi  (Factor+Higher Order Factors)          62.86    2   <.0001
 TOTAL NONLINEAR                                   64.98    4   <.0001
 TOTAL INTERACTION                                 94.33    8   <.0001
 TOTAL NONLINEAR + INTERACTION                    170.99    9   <.0001
 TOTAL                                          24967.13   13   <.0001