对数回归中估计系数的方向

Question

我正在分析序数逻辑回归，我想知道如何知道估计系数的方向？我的变量对于女性，男性仅是0、1，对于不同的姿势仅是0、1、2、4。所以我的问题是，我怎么知道，如果估算值描述的是从0到1的变化或从1到0的变化，是关于性别的？

输出在PicSex上添加了1，是一个信号，该信号的方向是1-> 0？参见代码。

谢谢您的帮助

Cumulative Link Mixed Model fitted with the Laplace approximation

formula: Int ~ PicSex + Posture + (1 | PicID)
data:    x

Random effects:
 Groups Name        Variance Std.Dev.
 PicID  (Intercept) 0.0541   0.2326  
Number of groups:  PicID 16 

Coefficients:
        Estimate Std. Error z value Pr(>|z|)    
PicSex1   0.3743     0.1833   2.042   0.0411 *  
Posture  -1.1232     0.1866  -6.018 1.77e-09 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Answer 1

您的性别有两个级别，0或1。因此PicSex1表示PicSex的效果为1，而PicSex为0。我在下面使用酒数据集显示示例：

library(ordinal)
DATA = wine
> head(DATA$temp)
[1] cold cold cold cold warm warm
Levels: cold warm

这里感冒首先出现在Levels中，因此在任何线性模型中都将其设置为参考。首先我们验证感冒与温暖的影响

do.call(cbind,tapply(DATA$rating,DATA$temp,table))
#warm has a higher average rating

适合模特

# we fit the a model, temp is fixed effect
summary(clmm(rating ~ temp + contact+(1|judge), data = DATA))
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: rating ~ temp + contact + (1 | judge)
data:    DATA

 link  threshold nobs logLik AIC    niter    max.grad cond.H 
 logit flexible  72   -81.57 177.13 332(999) 1.03e-05 2.8e+01

Random effects:
 Groups Name        Variance Std.Dev.
 judge  (Intercept) 1.279    1.131   
Number of groups:  judge 9 

Coefficients:
           Estimate Std. Error z value Pr(>|z|)    
tempwarm     3.0630     0.5954   5.145 2.68e-07 ***
contactyes   1.8349     0.5125   3.580 0.000344 ***

[在这里，我们看到温暖被附加到“温度”上，众所周知，它具有正系数，因为与寒冷（参考）相比，温暖的等级更好。

因此，如果您将另一个组设置为参考，则会看到另一个名称，并且系数是相反的（-3 ..与上一示例中的+3 ..相比]

# we set warm as reference now
DATA$temp = relevel(DATA$temp,ref="warm")

summary(clmm(rating ~ temp + contact+(1|judge), data = DATA))
Cumulative Link Mixed Model fitted with the Laplace approximation

formula: rating ~ temp + contact + (1 | judge)
data:    DATA

 link  threshold nobs logLik AIC    niter    max.grad cond.H 
 logit flexible  72   -81.57 177.13 269(810) 1.14e-04 1.8e+01

Random effects:
 Groups Name        Variance Std.Dev.
 judge  (Intercept) 1.28     1.131   
Number of groups:  judge 9 

Coefficients:
           Estimate Std. Error z value Pr(>|z|)    
tempcold    -3.0630     0.5954  -5.145 2.68e-07 ***
contactyes   1.8349     0.5125   3.580 0.000344 ***

因此，在拟合模型之前，请始终检查参考是什么