logistic-regression - 如何解释 R 编程中的 oglmx 函数？

Question

目前正在开展一个项目，该项目应该模拟公众对定价方案的接受程度。用于模型的自变量：- 年龄、性别、收入等......本质上是分类的，所以我使用 as.factor() 函数将它们转换为因子变量。

Age Gender Income
0     1      2
0     0      0 
0     0      1

我有某些其他变量，例如过境满意度、环境改善等……它们是 1 到 5 的有序因子。1表示非常不满意，5表示非常满意。

我的模型如下：-

mdl = oglmx( prcing ~Ann_In1+Edu+Env_imp+rs_imp,data=cpdat, link = "logit", constantMEAN = F, constantSD = F, delta = 0, threshparam = NULL)
summary(mdl)

---

            Estimate   Std. error   t value      Pr(>|t|)    

Ann_In11   0.1605540    0.3021613   0.5314      0.5951749   

Ann_In12  -0.9556992     0.4218504 -2.2655      0.0234824 *  

Edu1       0.0710699     0.2678081  0.2654       0.7907196


Edu2       1.0732587    0.7112519   1.5090       0.1313061         

Env_imp.L -0.8524288    0.4899275  -1.7399      0.0818752 .  

Env_imp.Q  0.0784353     0.3936332      0.1993          0.8420595    

Env_imp.C  0.4589036      0.4498676     1.0201          0.3076878    

Env_imp^4 -0.2219108       0.4423486    -0.5017         0.6159032    

rd_sft.L   2.6335035      0.7362206      3.5771         0.0003475 ***

rd_sft.Q  -0.7064391     0.5773880      -1.2235          0.2211377    

rd_sft.C   0.0130127     0.4408486       0.0295         0.9764519    

rd_sft^4  -0.2886550       0.3582014     -0.8058         0.4203318  

我得到的结果如下。我无法解释结果。这方面的任何线索都会非常有帮助。如果 rd_sft（道路安全）因为 rd_sft.L（线性）比其他级别显着，我们可以忽略其他级别，即模型形成中的 Q、C、^4 吗？请通过一些关于模型制定及其解释的信息，因为我是 R 新手。

标签： logistic-regressioncategorical-dataordinal