GLM 解释

机器算法验证 r 回归 物流 广义线性模型 二项分布
2022-03-31 00:12:36

我必须使用 GLM 来解释一些数据。任何人都可以通过查看输出来告诉我这是否正确?

如果是 - 它是否重要?

这是我使用的代码:

genderglm <- glm(glasses ~ gender + books, 
           data=worksheet, family=binomial)
summary(genderglm)

这是输出:

> summary(genderglm)
Call:
glm(formula = glasses ~ gender + books, 
    family = "binomial", 
    data = worksheet)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.4756  -1.2508  -0.1428   1.0032   1.8038  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)   
(Intercept)    0.6784     0.2954   2.296  0.02167 * 
genderMale    -1.3254     0.4736  -2.799  0.00513 **
genderOther  -16.2444  1455.3976  -0.011  0.99109   
books         -0.2537     0.1381  -1.837  0.06620 . 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 163.55  on 117  degrees of freedom
Residual deviance: 149.14  on 114  degrees of freedom
AIC: 157.14

Number of Fisher Scoring iterations: 14
1个回答

由于您只有 1 个其他性别,因此将其包含在男性中并具有“女性”和“非女性”会更有意义,尽管它不会改变解释。

假设眼镜的“Y”被编码为1,“N”被编码为0,那么从这些数据中有明确的证据表明,男性戴眼镜的可能性低于女性。特别是,男性戴眼镜的几率比女性低 1.3。

解释 的输出是没有意义的genderOther

还有一些证据表明阅读书籍和戴眼镜之间存在负面关联。特别是每多读一本书与戴眼镜的对数几率降低 0.3 相关。