哪種類型的分析具有連續和分類預測因子的分類結果？

Question

我有一個分類結果（響應）是-1或1.我也有預測因子（權重，條件，試驗類型），其中所有都是分類，除了連續的權重。

基本上，我想知道的是，如果響應根據試驗的重量而改變。

因此，與Sbj 500一樣，他們更有可能在重量為6時的響應為-1而重量為1。

由於我的結果是絕對的，我做了一個GLM。 但我的整體模型不是sig，而是每個預測器。 我不確定適當的測試是做什么的。

# Sample data frame 
df500 <- data.frame(Sbj = c(500), TrialNum=c(1:6), 
                    Condition=c(1,1,1,1,1,1), 
                    TrialType = c(1, 1, 1, -1, -1, -1), 
                    Weight=c(1:6), Response=c(-1,1,-1,1,1,-1))


df501 <- data.frame(Sbj = c(501), TrialNum=c(1:6), 
                    Condition=c(-1,-1,-1,-1,-1,-1), 
                    TrialType = c(-1, -1, -1, 1, 1, 1), 
                    Weight=c(6:1), Response=c(1,-1,-1,1,1,-1))


df502 <- data.frame(Sbj = c(502), TrialNum=c(1:6), 
                    Condition=c(1,1,1,1,1,1), 
                    TrialType = c(1, 1, 1, -1, -1, -1), 
                    Weight=c(1:6), Response=c(1,-1,-1,-1,1,1))


df <- merge(df500, df501, all=TRUE)
df <- merge(df, df502, all=TRUE)

# GLM 
GLM_m <- glm(Response ~ 1 + Condition*Type*Weight, 
             data = df, family = "binomial")
summary(GLM_m)

在我的總結中，各個系數是sig，但整體模型不是。 這是什么意思？

Answer 1

測試僅取決於結果的類型。

在您的情況下，對於categorical結果，您應該使用諸如accuracy ， precision ， recall ， f-score和confusion matrix 。

您可以將基於錯誤的指標用於continuous結果。 這些指標包括mean square error ， mean absolute error ， root mean square error ，僅舉幾例。

要查看各種功能與預測的關系，您必須查看模型摘要。 摘要由各種特征的系數組成，並回答您關於每個特征與預測的關聯程度的問題（該特征對預測的影響有多大）。

以下是對glm model的模型摘要的全面解釋。

glm模型的模型總結。