时间戳

首页 > 解决方案 > 分析比例趋势

r - 分析比例趋势

问题描述

我正在分析微生物的抗菌素耐药性数据。我想看看阻力（Y/N）是否在一段时间内（2010-2017 年）发生变化。我正在使用逻辑回归模型，并且 R 中的代码如下：

model1 = glm(tetM ~ year, 
             data=dat2,
             family = binomial)

这个可以吗？我在正确的轨道上吗？我得到了这样的模型摘要：

摘要(model1)

Call:
glm(formula = tetM ~ year, family = binomial, data = dat2)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.6557   0.2444   0.4391   0.5003   1.4823  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -0.6931     0.7071  -0.980 0.326959    
year2011      1.9459     1.0690   1.820 0.068724 .  
year2012      2.6391     0.8864   2.977 0.002908 ** 
year2013      2.7081     1.0328   2.622 0.008740 ** 
year2014      3.0350     0.8481   3.579 0.000345 ***
year2015      2.9339     0.8493   3.455 0.000551 ***
year2016      1.9459     0.9063   2.147 0.031791 *  
year2017      4.1897     1.2371   3.387 0.000707 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 173.74  on 227  degrees of freedom
Residual deviance: 152.32  on 220  degrees of freedom
AIC: 168.32

Number of Fisher Scoring iterations: 6

如果我得出的结论是阻力有显着增加的趋势，我是对的吗？

标签： rpercentagetrend

解决方案

首先，您的变量“年”是否是包含其他列（如 2015...2017）的数据框？如果是这样，是否每个都按天（或月、学期等）衡量，例如：包含第 1 天、...、第 365 天的变量 2017。因为如果这样表达，意义会告诉你天越多，阻力越大。但是如果你的变量“year”只有 7 个值，比如 2015,2016, ..., 2017，你不应该从中得出任何结论。给模型的变量数量非常少，估计不太可靠。

但是，如果要分析阻力是否按年份变化。我建议您搜索有关非参数 Mcnemar 假设检验。

推荐阅读