首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >在逻辑回归中,R返回比预期更多的系数

问在逻辑回归中,R返回比预期更多的系数
EN

Stack Overflow用户
提问于 2020-05-08 01:25:03
回答 1查看 108关注 0票数 0

我正在使用一个来自网站的数据集来检查逻辑回归。R返回变量"age“的三个系数,下面是数据集。年龄变量有四个级别:<25,25-29,30-39,40-49。

data

数据集有三个预测变量(即年龄、教育程度、wantsMore)。第四和第五列是响应变量,对应于"No“(第四列)和"Yes”(第五列)。

​

​

当我使用这个数据集执行逻辑回归时,我得到了年龄变量的更多系数。

代码语言:javascript
复制
cuse = read.table("https://data.princeton.edu/wws509/datasets/cuse.dat", header = TRUE)

cuse$age=factor(cuse$age)

lrfit = glm( cbind(using, notUsing) ~ age + education + wantsMore,
             data = cuse, family = binomial)

lrfit$coefficients

系数如下所示。R为年龄变量产生三个系数。我怎么才能修复它?

代码语言:javascript
复制
> lrfit$coefficients
 (Intercept)     age25-29     age30-39     age40-49 educationlow wantsMoreyes 
  -0.8082200    0.3893816    0.9086135    1.1892389   -0.3249947   -0.8329548 
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-05-08 01:43:45

正如@Dason在评论中提到的,你将在你的分类变量age中获得k-1系数k排名的数量。

这是因为在内部,R创建dummy variables是为了处理分类变量。在回归模型中,将数值系数值与“年龄小于25岁”的“类别”相乘是没有意义的。

所以虚拟变量被用来以某种方式对它们进行编码,所以你可以进行系数乘法。有关它的更多讨论,请参见here。

对于您的模型,最后一个“缺失”的年龄变量是与所有其他年龄进行比较的基线变量,即<25的age。因此,根据您的建模,age为25-29的个体与<25的基线相比,通过0.3893816更改了响应变量(notUsing和using)的对数赔率。

有关包含类别变量(他们的是rank)以及如何解释它的深入教程,请参阅here。

票数 4
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/61663959

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档