时间戳

首页 > 解决方案 > R：GLM 在输出中删除了我的一些可变级别

r - R：GLM 在输出中删除了我的一些可变级别

问题描述

我知道这个问题现在已经被问过几次了，并且得到了我能找到的所有答复，但我的情况仍然略有不同：

我有一个Acc由两个因素预测的模型，即Condition和Language，每个因素都有两个级别（切换与非切换；语言 1 与语言 2）。我想查看所有级别的系数，包括它们的相互作用。所以我所拥有的是：

acc_summary <- summary(glm(Acc ~ Language*Condition, 
                           family = "binomial", data = my_dataset))
print(acc_summary)

我的输出是：

    > print(acc_summary)

Call:
glm(formula = Acc ~ Language * Condition, family = "binomial", 
    data = my_dataset)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.0528   0.5092   0.5762   0.6023   0.6076  

Coefficients:
                           Estimate Std. Error z value Pr(>|z|)    
(Intercept)                  1.9773     0.1100  17.968   <2e-16 ***
LanguageL2                  -0.3622     0.1534  -2.361   0.0182 *  
ConditionSwitch             -0.2659     0.1518  -1.751   0.0799 .  
LanguageL2:ConditionSwitch   0.2466     0.2111   1.168   0.2427    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2393.8  on 2817  degrees of freedom
Residual deviance: 2385.6  on 2814  degrees of freedom
AIC: 2393.6

Number of Fisher Scoring iterations: 4

我知道按字母顺序排列的第一级将用作截距（L1 和 Nonswitch）。但是，如果 my is 拦截我的交互， andLanguageL1:ConditionNonswitch发生了什么？我尝试添加一个，然后我只会看到以下内容：LanguageL1:ConditionSwitchLanguageL2:ConditionNonswitch+0

   Call:
glm(formula = Acc ~ Language * Condition + 0, family = "binomial", 
    data = my_dataset)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.0528   0.5092   0.5762   0.6023   0.6076  

Coefficients:
                           Estimate Std. Error z value Pr(>|z|)    
LanguageL1                   1.9773     0.1100  17.968   <2e-16 ***
LanguageL2                   1.6151     0.1069  15.115   <2e-16 ***
ConditionSwitch             -0.2659     0.1518  -1.751   0.0799 .  
LanguageL2:ConditionSwitch   0.2466     0.2111   1.168   0.2427    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 3906.6  on 2818  degrees of freedom
Residual deviance: 2385.6  on 2814  degrees of freedom
AIC: 2393.6

Number of Fisher Scoring iterations: 4

在这个实验的情况下，查看我的 LanguageL1:ConditionSwitch 系数对我来说非常重要。我不太了解如何glm工作，所以任何建议都会有很大帮助。谢谢！

标签： rglmbinomial-coefficients

解决方案

我有人亲自回答了我的疑问，所以我将他们的答案汇总在这里以供其他人参考：

显然，如果有 2 X 2 交互，我应该只得到一个交互系数，这表示我必须对 L2 和 Switch 条件应用多少额外的。在这种情况下，如何对事物进行编码/重新调整并不重要，我总是只会得到一个交互系数。该系数的显着性等同于整体交互作用的显着性。

推荐阅读