说我有一个数据帧data
:
Name V1 V2 V3
Name 1 0 1 1
Name 1 0 0 1
Name 1 1 1 1
Name 2 1 0 0
Name 2 0 0 1
Name 2 1 1 0
Name 3 1 0 0
Name 3 1 0 1
Name 3 1 1 0
因子Name 1
,Name 2
和Name 3
是分类变量,它们预测V1:V3
中列出的二元结果。
我想进行ANOVA或多重逻辑回归,根据data$name
中显示的二元结果的分布比较V1:V3
中的每个因子,但我不确定如何去做/如何改变我的数据帧以适当地执行分析。已经尝试过Anova()
和glm(family=binomial(link="logit")
来自data$Name
的个别因素,但这并没有产生我正在寻找的比较。我想要执行的分析类型会告诉我,与Name 1
和/或V1:V3
相比,Name 2
是否更有可能对一个或所有响应变量Name 3
产生某种结果。
任何帮助,将不胜感激!
听起来像ANOVA在这种情况下是合适的,但逻辑回归应该没问题。您可以对每个结果变量进行逻辑回归:
data$Name <- as.factor(data$Name)
yourmodel <- glm(V1 ~ Name, data=data, family=binomial(link="logit"))
或另一种选择(如评论中所建议):
yourmodel <- glm(Name ~V1 + V2 +V3, data=data, family=binomial(link="logit"))
...在每种情况下,您都可以通过以下方式获得模型残差,系数等:
summary(yourmodel)
...从中可以提取优势比。