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。
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。
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$coefficients系数如下所示。R为年龄变量产生三个系数。我怎么才能修复它?
> lrfit$coefficients
(Intercept) age25-29 age30-39 age40-49 educationlow wantsMoreyes
-0.8082200 0.3893816 0.9086135 1.1892389 -0.3249947 -0.8329548 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。
https://stackoverflow.com/questions/61663959
复制相似问题