какая модель для логистической регрессии для повторного измерения? - PullRequest
1 голос
/ 30 сентября 2019

я должен отредактировать свой код, собрав период до, в середине, разместить в одном столбце мой фрейм данных: 1-пред 2-мид 3-пост

id<-c(1,2,3,4,5,6,7,8,9)
type<-c(1,2,2,1,2,1,1,1,2)  #is the factor level 1 and 2
k1<-c(30.7,20.3,3.4,22,11.6,29.5,15.4,2.7,2.1)
k2<-c(13.4,11,1.4,9.6,17.3,27.1,9.3,5.3,4.7)
k3<-c(1.2,10,4.7,2.6,13.4,14.8,8.8,0.7,4.6)
m1<-c(12    ,12.6,  1.6,    6.2,    10.5,   8.6,    15.3,   1.5,    1.3)
m2<-c(6.6   ,10.5,  0.5,    2.7,    5.2,    8.5,    9.6,    0.6,    4.3)
m3<-c(2,11, 2.6,0.4,7.2,9.4,12.3,0.3,2)
df<-data.frame(type,k1,k2,k3,m1,m2,m3,id)
df[,1]<-as.factor(df[,1])

dflong<-tidyr::gather(df,key=time, value=score, k1:k3,m1:m3)%>% arrange(id)

glm<-glm(type~score*time,family=binomial,data = dflong)
summary(glm)

результат:

glm (формула = тип ~ оценка * время, семейство = бином, данные = dflong)

Остатки отклонения: мин. 1Q Медиана 3Q Макс.
-1.6828 -1.0472 -0.6594 1.1871 1.5688

Coefficients:
             Estimate Std. Error z value Pr(>|z|)
(Intercept)   1.44815    1.38283   1.047    0.295
score        -0.11494    0.08273  -1.389    0.165
timek2       -0.66855    1.91677  -0.349    0.727
timek3       -2.41924    1.83906  -1.315    0.188
timem1       -0.98737    1.86058  -0.531    0.596
timem2       -1.46293    1.84873  -0.791    0.429
timem3       -1.88813    1.73395  -1.089    0.276
score:timek2  0.01992    0.13972   0.143    0.887
score:timek3  0.22394    0.16556   1.353    0.176
score:timem1  0.02512    0.16115   0.156    0.876
score:timem2  0.07608    0.20938   0.363    0.716
score:timem3  0.15596    0.17164   0.909    0.364

(параметр дисперсии для биномиального семейства принят за 1)

Null deviance: 74.192  on 53  degrees of freedom

Остаточное отклонение: 69,673 при 42 степенях свободы AIC: 93,673

Количество ФишераКоличество итераций: 4

результат выглядит неплохо, я просто хочу получить второе мнение о том, что я сделал. это нормально делать или нет?

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...