具有二元接觸和相互作用項的廣義線性回歸模型

Question

我正在運行一些相當簡單的賠率比分析，以調查某些變量與傷害結果之間的關系。 暴露術語（inj）是二進制的，0表示無傷害，而1表示存在傷害。 我調查的交互項是在工作中受傷的人是否（ causeWork ; 0表示沒有工傷和1代表工傷）和損傷的機制（ mechanism ;多變量即mechanismFall ， mechanismObject ， mechanismPerson ）。 mechanism的參考變量=下降）。 我的眼神如下：

fit 1 <- glm(formula = inj ~ cause * mechanism, family = "binomial", 
data = dat)

對系數求冪並調用置信區間后，得到以下值：

round(cbind(OR=exp(coef(fit1)), exp(confint(fit1))), 2)

                              OR    2.5%  97.5 %
(Intercept)                   0.24  0.11   0.47
causeWork                     1.06  0.14   5.17
mechanismObject               3.52  1.51   8.81
mechanismPerson               1.79  0.65   5.02
causeWork:mechanismObject     0.48  0.07   4.24
causeWork:mechanismPerson     1.88  0.30  16.24

讓我感到困惑的地方是理解它們的含義，尤其是將哪個引用用於OR比較。 我目前的理解是：

（感知）：受傷的幾率

causeWork ：在工作中受傷（ 1 ）與在非工作中受傷（ 0 ）的OR

mechanismFall ：對象在工作中遭受傷害與摔倒時遭受工作傷害（參考）的OR。

...

'causeWork：mechanismObject'：在給定的機制=對象的情況下，相對於'causeWork'的增量變化（相對於下降）

R是否在所有情況下都自動使用0作為參考？ 如果真是這樣，那么攔截將是沒有遭受苦難的幾率？ 我對“ causeWork”的解釋是正確的還是正確的？ 謝謝！

Answer 1

據我了解，R會自動使用0作為參考類。 對於非分層的分類變量，它僅選擇一個作為參考，但我不確定它是如何做到的。 但是，您對causeWork比值比的解釋是正確的：當causeWork預測值從0變為1時，而所有其他預測值保持不變，則發生傷害的幾率將增加1.06（或受信任的置信區間）。