如何将R中的逻辑回归模型的一个变量的系数设置为1？
为了将逻辑回归模型的一个变量的系数设置为1，我们可以使用偏移函数。
例如，如果我们有一个名为df的数据框，其中包含一个二进制列，比如y和三个自变量，比如x1、x2和x3，并且我们想要创建一个x1系数等于1的逻辑回归模型，那么我们可以使用下面的给定命令-
glm(y~x2+x3,offset=x1,data=df,family=binomial)
示例1
以下代码段创建了一个示例数据框-
y1<-sample(0:1,20,replace=TRUE) iv1<-rpois(20,2) iv2<-rpois(20,2) iv3<-rpois(20,5) df1<-data.frame(y1,iv1,iv2,iv3) df1输出结果
创建以下数据框-
y1 iv1 iv2 iv3 1 1 1 5 8 2 1 2 3 6 3 1 2 3 11 4 1 2 1 5 5 1 2 2 2 6 1 2 1 2 7 1 3 2 1 8 1 1 2 5 9 1 0 1 10 10 0 0 0 5 11 1 0 3 5 12 1 2 4 1 13 1 4 5 11 14 0 3 2 2 15 0 1 1 3 16 1 1 3 1 17 0 1 2 7 18 1 1 3 8 19 1 3 6 9 20 1 6 3 9
为了创建系数x1设置为1的逻辑回归模型，将以下代码添加到上面的代码片段中-
y1<-sample(0:1,20,replace=TRUE) iv1<-rpois(20,2) iv2<-rpois(20,2) iv3<-rpois(20,5) df1<-data.frame(y1,iv1,iv2,iv3) Model_1<-glm(y1~iv1+iv2,offset=iv3,data=df1,family=binomial) summary(Model_1)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
glm(formula = y1 ~ iv1 + iv2, family = binomial, data = df1,
offset = iv3)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.95608 0.00035 0.04659 0.45252 1.67587
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.6349 2.4801 -3.078 0.00208 **
iv1 1.3445 0.9276 1.449 0.14723
iv2 1.8234 0.9462 1.927 0.05396 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 31.099 on 19 degrees of freedom
Residual deviance: 19.741 on 17 degrees of freedom
AIC: 25.741
Number of Fisher Scoring iterations: 7示例2
以下代码段创建了一个示例数据框-
Response<-sample(0:1,20,replace=TRUE) Rate<-sample(1:10,20,replace=TRUE) Score<-sample(0:9,20,replace=TRUE) df2<-data.frame(Response,Rate,Score) df2
创建以下数据框-
Response Rate Score 1 0 8 9 2 1 7 6 3 1 2 9 4 0 8 9 5 0 9 8 6 0 1 2 7 1 3 9 8 1 7 2 9 0 7 2 10 0 10 5 11 0 3 9 12 0 7 8 13 1 3 6 14 1 7 5 15 0 2 8 16 1 8 9 17 1 7 9 18 1 6 8 19 0 4 4 20 0 8 7
为了创建速率系数设置为1的逻辑回归模型，将以下代码添加到上面的代码片段中-
Response<-sample(0:1,20,replace=TRUE) Rate<-sample(1:10,20,replace=TRUE) Score<-sample(0:9,20,replace=TRUE) df2<-data.frame(Response,Rate,Score) Model_2<-glm(Response~Score,offset=Rate,data=df2,family=binomial) summary(Model_2)输出结果
如果您将上述所有给定的片段作为单个程序执行，它会生成以下输出-
Call:
glm(formula = Response ~ Score, family = binomial, data = df2,
offset = Rate)
Deviance Residuals:
Min 1Q Median 3Q Max
-2.5313 -1.4891 -0.1062 1.1435 2.9733
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -7.3748 1.6822 -4.384 1.16e-05 ***
Score 0.1074 0.2432 0.442 0.659
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 55.769 on 19 degrees of freedom
Residual deviance: 55.571 on 18 degrees of freedom
AIC: 59.571
Number of Fisher Scoring iterations: 4