我有一个数据集,可以汇总查看每组个人
Gender Age Region Count Affected
Male 18-24 CA 9843 384
Female 18-24 CA 8745 489
Male 35-24 CA 11923 381
等等
我想对受影响的结果进行逻辑回归,该结果本质上是一个二进制响应变量。我可以自己重建数据以使其看起来像
Gender Age Region Affected
Male 18-24 CA 0
Male 18-24 CA 0
(...)
Male 18-24 CA 1
Male 18-24 CA 1
(...)
Female 18-24 CA 0
Female 18-24 CA 0
依此类推,基本上,为受影响的人创建一个虚拟变量,或者换句话说,为每个组创建一个数据集,为每个受影响的人创建一个行,其中一个为0,每个人为一行。我可以很容易地手动完成此操作,但是R中有一种简单的方法可以将这种二进制比率数据转换为R中的逻辑回归可以使用的数据集
试试这个:
glm(cbind(Affected, Count - Affected) ~ Gender + Age, data = DF, family = binomial())
提供以下输出:
Call: glm(formula = cbind(Affected, Count - Affected) ~ Gender + Age,
family = binomial(), data = DF)
Coefficients:
(Intercept) GenderMale Age35-24
-2.8263 -0.3777 -0.2069
Degrees of Freedom: 2 Total (i.e. Null); 0 Residual
Null Deviance: 72.39
Residual Deviance: 7.17e-13 AIC: 29.47
注意:上面我们使用了以下输入:
Lines <- "Gender Age Region Count Affected
Male 18-24 CA 9843 384
Female 18-24 CA 8745 489
Male 35-24 CA 11923 381"
DF <- read.table(text = Lines, header = TRUE)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句