用R语言对广义线性模型画图 广义线性模型 r语言

brief

logistic回归

具体实例

其中affairs的中位数和平均数很有意思，假设不存在“回避/逃避”情况以及乱写的情况，还真是有第一次就有很多次。

将Affairs$ynaffair变量作为回归的因变量：

其中回归系数是否显著性不等于0的检验中，性别，孩子，教育程度和职业显著性较低。所以将其去除后利用其他变量回归试试看

这里可以比较下两次回归模型的拟合程度有没有显著性的差异，可以使用anova函数比较嵌套模型，或者使用AIC函数比较赤池信息准则。

4个预测变量和8个预测变量的拟合程度没有显著性差别。

解释模型参数

忘记谁说的了，九零后离婚率高得离谱，大概率是到目前为止婚龄快十年了，1.106^10的结果蛮大的。

让优势比转换为概率

利用上述的预测模型model，来预测某些预测变量的值对应的概率。

比如，给定预测变量affairs$rating一些值，保持其他预测变量不变，然后看看Y=1的概率。

过度离势

泊松回归

具体实例

给定时间内响应变量发生的次数

看看抗癫痫药物对癫痫发病数的影响。响应变量为sumY，预测变量为治疗条件Trt，年龄Age和前八周内基础癫痫发病数base。

解释模型参数

过度离势