逻辑回归 - 在 R 中定义参考水平答案

【问题标题】：Logistic regression - defining reference level in R逻辑回归 - 在 R 中定义参考水平
【发布时间】：2014-06-10 12:20:53
【问题描述】：

我要疯了，想弄清楚这一点。我如何在 R 中定义要在二元逻辑回归中使用的参考水平？那么多项逻辑回归呢？现在我的代码是：

logistic.train.model3 <- glm(class~ x+y+z,
                         family=binomial(link=logit), data=auth, na.action = na.exclude)

我的响应变量是“YES”和“NO”。我想预测有人回答“是”的概率。

我不想将变量重新编码为 0 / 1。有没有办法告诉模型预测“是”？

感谢您的帮助。

【问题讨论】：

让课堂成为一个因素 - 见?factor
我的类变量，是一个因子变量。我正在寻找分配事件或逻辑回归预测的类的值。现在它预测“否”，我希望它预测“是”。
ok 使用I 函数（原样）：I(class=="yes")
你为什么要这样做？只需将系数乘以-1...还有relevel(class, ref = 'YES')
@user20650 你能证明你把那个函数放在哪里/插入那行代码吗？这似乎是答案/我正在寻找的。span>

标签： r logistic-regression

【解决方案1】：

假设您已将类保存为一个因素，请使用 relevel() 函数：

auth$class <- relevel(auth$class, ref = "YES")

【讨论】：

请注意，当使用auth$class <- relevel(auth$class, ref = "YES") 时，您实际上预测的是“否”，而不是“是”。
如果有人没有将类保存为因子，只需执行 relevel(factor(auth$class), ref="YES")

【解决方案2】：

请注意，当使用auth$class <- relevel(auth$class, ref = "YES") 时，您实际上是在预测“否”。

要预测“YES”，参考电平必须为“NO”。因此，您必须使用auth$class <- relevel(auth$class, ref = "NO")。

这是人们常犯的错误，因为大多数时候他们的 oucome 变量是0 和1 的向量，而人们想要预测1。

但是当这样一个向量被认为是一个因子变量时，参考水平是0（见下文），以便人们有效地预测1。同样，您的参考水平必须为“否”，以便您预测“是”。

set.seed(1234)
x1 <- sample(c(0, 1), 50, replace = TRUE)
x2 <- factor(x1)
str(x2)
#Factor w/ 2 levels "0","1": 1 2 2 2 2 2 1 1 2 2 ...You can see that reference level is 0

【讨论】：

这个答案在我很困惑之后真的帮助了我-谢谢！