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