Logistische regression - cbind-Befehl in glm

Ich mache Logistische regression in R. Kann jemand klären, was die Unterschiede der Ausführung dieser beiden Zeilen?

1. glm(Response ~ Temperature, data=temp, 
                    family = binomial(link="logit"))
2. glm(cbind(Response, n - Response) ~ Temperature, 
                    data=temp, family =binomial, Ntrials=n)

Den Daten sieht wie folgt aus:
(Hinweis : die Antwort ist binären. 0=Würfel 1=Nicht sterben)

Response  Temperature
0         24.61
1         39.61
1         39.50
0         22.71
0         21.61
1         39.70
1         36.73
1         33.32
0         21.73
1         49.61
  • Paul...die erste Zeile ist einfach zu verstehen. :). Ich habe versucht, herauszufinden, die zweite, weil Sie einige Beispiele in R verwendet es. UND..diese zwei erzeugt anderes Ergebnis. 🙂
  • ist richtig, glaube ich. Wenn n 1 ist, dann sollten Sie genau die gleiche Antwort in diesem Fall. Im Allgemeinen sollten Sie die Verwendung der zweiten form, wenn Sie mehr als einen Test pro Beobachtung. Die Ntrials argument ist falsch/unnötig ist, soweit ich das sagen kann.
  • Ich danke dir sehr, Ben. Können Sie erläutern weiter, was meinst du mit "mehr als einem Versuch der pr-Beobachtung" bitte? :)-
  • Angenommen, Ihre Daten werden gruppiert, so dass Sie gemessen hatte mehrere Individuen (z.B. 10) bei jeder Temperatur Wert; Sie dann vielleicht 7 von 10 überlebenden auf temp 22.71, so Ihre Einschätzung basiert auf einer binomial-Ergebnis von 7 überlebenden mit der Wahrscheinlichkeit p in N=10 versuchen. Normalerweise, wenn Menschen sagen, dass "Logistische regression" Sie bedeuten ungruppierten Daten (N=1), die Reservierung von "binomial regression" für die Gruppen-Fall, aber die Bedingungen sind etwas austauschbar, ...
InformationsquelleAutor Eddie | 2012-02-02
  1. 14

    Wenn du die binomial-oder quasibinomial glm Sie entweder auf Lieferung einer Wahrscheinlichkeit von Erfolg, ein zwei-Säulen-matrix mit den Spalten geben die zahlen der Erfolge und Misserfolge, oder ein Faktor, wo die erste Ebene kennzeichnet scheitern und andere Erfolg auf der linken Seite der Gleichung. Details finden Sie in der ?glm.

    • Beachten Sie, dass bei Verwendung der Frequenz als von einem binomial-glm, Sie liefern sollte, die Anzahl der Beobachtungen pro Versuch in der weights argument. Es würde wie folgt Aussehen: glm(events/n ~ x, data=*, weights=n, ...)
    InformationsquelleAutor James
Schreibe einen Kommentar