[英]Generalized Linear Regression Model With Binary Exposure and Interaction Terms
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!
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)。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.