对数回归中估计系数的方向

Question

我正在分析序数逻辑回归，我想知道，如何知道估计系数的方向？我的变量只有 0、1 代表女性、男性，0、1、2、4 代表不同的姿势。所以我的问题是，我怎么知道，如果估计描述的是从 0 到 1 的变化，还是从 1 到 0 的变化，是指性别？

输出给 PicSex 添加了一个 1，这是一个标志，表明这个有一个 1->0 的方向吗？请参阅代码。

感谢您的帮助

Cumulative Link Mixed Model fitted with the Laplace approximation

formula: Int ~ PicSex + Posture + (1 | PicID)
data:    x

Random effects:
 Groups Name        Variance Std.Dev.
 PicID  (Intercept) 0.0541   0.2326  
Number of groups:  PicID 16 

Coefficients:
        Estimate Std. Error z value Pr(>|z|)    
PicSex1   0.3743     0.1833   2.042   0.0411 *  
Posture  -1.1232     0.1866  -6.018 1.77e-09 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


P.S.
Thank you here are my head results (I relabeled PicSex to Sex)

> head(Posture)
[1] 1 1 1 1 1 1
Levels: 0 1
> head(Sex)
[1] 0 0 0 0 0 0
Levels: 0 1

So the level order is the same, but on Sex it still added  a 1 but on posture not. Still very confused about the directions.

Answer 1

你的性别有两个级别，0 或 1。所以 PicSex1 表示 PicSex 为 1 与 PicSex 为 0 的效果。我在下面使用 wine 数据集展示了一个示例：

library(ordinal)
DATA = wine
> head(DATA$temp)
[1] cold cold cold cold warm warm
Levels: cold warm

这里冷在关卡中是第一位的，所以它被设置为任何线性模型中的参考。首先我们验证冷与暖的效果

do.call(cbind,tapply(DATA$rating,DATA$temp,table))
#warm has a higher average rating

拟合模型

# we fit the a model, temp is fixed effect
summary(clmm(rating ~ temp + contact+(1|judge), data = DATA))
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: rating ~ temp + contact + (1 | judge)
data:    DATA

 link  threshold nobs logLik AIC    niter    max.grad cond.H 
 logit flexible  72   -81.57 177.13 332(999) 1.03e-05 2.8e+01

Random effects:
 Groups Name        Variance Std.Dev.
 judge  (Intercept) 1.279    1.131   
Number of groups:  judge 9 

Coefficients:
           Estimate Std. Error z value Pr(>|z|)    
tempwarm     3.0630     0.5954   5.145 2.68e-07 ***
contactyes   1.8349     0.5125   3.580 0.000344 ***

在这里，我们看到暖与“温度”相关联，我们知道，它具有正系数，因为与冷（参考）相比，暖的评级更好。

因此，如果您将另一个组设置为参考，您将看到附加的另一个名称，并且系数反转（-3.. 与前面示例中的 +3.. 相比）

# we set warm as reference now
DATA$temp = relevel(DATA$temp,ref="warm")

summary(clmm(rating ~ temp + contact+(1|judge), data = DATA))
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: rating ~ temp + contact + (1 | judge)
data:    DATA

 link  threshold nobs logLik AIC    niter    max.grad cond.H 
 logit flexible  72   -81.57 177.13 269(810) 1.14e-04 1.8e+01

Random effects:
 Groups Name        Variance Std.Dev.
 judge  (Intercept) 1.28     1.131   
Number of groups:  judge 9 

Coefficients:
           Estimate Std. Error z value Pr(>|z|)    
tempcold    -3.0630     0.5954  -5.145 2.68e-07 ***
contactyes   1.8349     0.5125   3.580 0.000344 ***

所以在拟合模型之前总是检查参考是什么