푸 아송 회귀 분석에서 주 효과 (더미 코딩 된 요인의 계수)를 해석하려면 어떻게해야합니까?
다음 예제를 가정하십시오.
treatment <- factor(rep(c(1, 2), c(43, 41)),
levels = c(1, 2),
labels = c("placebo", "treated"))
improved <- factor(rep(c(1, 2, 3, 1, 2, 3), c(29, 7, 7, 13, 7, 21)),
levels = c(1, 2, 3),
labels = c("none", "some", "marked"))
numberofdrugs <- rpois(84, 10) + 1
healthvalue <- rpois(84, 5)
y <- data.frame(healthvalue, numberofdrugs, treatment, improved)
test <- glm(healthvalue~numberofdrugs+treatment+improved, y, family=poisson)
summary(test)출력은 다음과 같습니다.
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.88955 0.19243 9.819 <2e-16 ***
numberofdrugs -0.02303 0.01624 -1.418 0.156
treatmenttreated -0.01271 0.10861 -0.117 0.907 MAIN EFFECT
improvedsome -0.13541 0.14674 -0.923 0.356 MAIN EFFECT
improvedmarke -0.10839 0.12212 -0.888 0.375 MAIN EFFECT
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 의 인시던트 비율은 numberofdrugs입니다 exp(-0.023)=0.977. 그러나 더미 변수의 주요 효과를 어떻게 해석합니까?
Poisson GLM 결과에서 모수 추정값을 해석하는 방법에서 유사한 답변을 얻을 수 있습니다 (수학적으로 더 잘 짜여져 있음) .
—
gung-모니 티 복원
참조 된 질문이 주제를 벗어난 것으로 마감되었다는 것이 흥미 롭습니다. (이것은 주제에 맞지 않다는 데 동의하지 않았을 것입니다. 왜냐하면 모든 답변이 사용자에게 계수 표를 반환 한 통계 프로그램의 출력에도 적용되기 때문에 근거에 가깝다는 데 동의합니다. SO 커뮤니티는 R의 출력 해석을 요구하는 질문에 너무 "꽉"있는 것 같습니다. 코딩 도움말이 필요하다는 제안이 없기 때문에 실제로 StackOverflow에 대한 주제는 아닙니다.
—
DWin
@DWin, Cross Validated 에 대한 통계 결과 해석이 주제와 맞지 않다고 생각 합니다 . 나는 그 질문을 이것의 복제물로 끝내기로 투표했다. 다른 사람들은 OT에 투표 한 것으로 보인다. 왜냐하면 OP는 "그들의 컴퓨터 출력을 버리고 누군가가 [그들]에 대한 통계 분석을 할 것"이라고 생각했기 때문이다.
—
gung-복직 모니카
@ gung : 나는 그것을 OT라고 부르는 것이 아닌 것이 분명했습니다. 귀하의 의견은 그 시점에서 명확했습니다. (나는 당신과 동의한다고 생각했습니다.) 면밀한 투표에 기재된 "이유"는 종종 다수 또는 복수 결정입니다.
—
DWin