glm(Y~X1+X2+X3+X4+X5 , family = binomial) ---------------------------------------------------- Y : 二元变项 X1 : 连续 (Age : 15.5 , 18.3 , 22.9) X2 : 不连续 (看病次数/yr : 1 , 3 , 10 ) X3 : Rank (日吸菸量 : 1~5根 , 6~15 , 16~25) X4 : Category (居住区域 : 市区 , 山区 , 郊区 ) X5 : Binomial (Sex : 0 , 1 ) ---------------------------------------------------- 据我所知 X1 & X2 , 直接用 numeric() 喂进glm() 就好 X4 & X5 , 需要先用 as.factor() 转换为 dummy variable ###二元变项可不转 我的问题是 , X3 , 是 Rank variable , 有程度轻到重 应该要套用 X1&X2 的处理方式? 还是套用 X4&X5 的处理方式? 因为 Rank variable 的性质 好像界於 不连续变数与 Category 变数之间 有点搞不清楚 -- 统计是我栽 模型是我开 要想套此模 留下专利财 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.113.239.247 ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 15:16) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 15:23) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 15:47) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 15:47) 我认为之所以用 Rank variable 就是因为每个 rank 之间的影响能力无法被确定 比方说不连续 data , 可以精确定量 1 个单位 , 2个单位 而 Rank data 不行 然而 Rank data 却又隐含 Rank3 > Rank2 > Rank1 的关系 这是 Category data 所没有的 若是实际操作 我会选择用 dummy variable 的方式去操作 X3 不过也觉得损失 Rank3 > Rank2 > Rank1 的逻辑关系有点可惜 ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 16:18) 我後来想一想 即便是抽菸因子 少量 中量 大量 Rank = 1 2 3 也看过反而是中量最易导致COPD疾病 在此情形下 , rank 的 3>2>1 的逻辑也完蛋 再加上本身 Rank 并非精确定量 也就是说 无法定义每增加一个单位的 Rank , 能进行 Y = Beta*rank 因此还是套用 Category 的处理方式较正确 也就是 dummy variable Y = Beta2*rank=2 + Beta3*rank=3 ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 16:35) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 16:37) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 16:37) ※ 编辑: gsuper 来自: 140.113.239.247 (06/14 17:45) 总之我是信了 (再更好的资料出来前,只能选取所见即得中的最佳解) X1 与 X2 也不一定 可能是直线 , 也可能是log线 , 也可能是山峰或山谷型 若 Y 看起来是一条线 (e.g. sin wave 或遵循某种规则) 我会选择 Lowess regression 若 Y 看起来是会被截切 (e.g. 川型) 我想 X1和X2 也可以转换成 category variable ※ 编辑: gsuper 来自: 140.113.239.247 (06/18 13:22) ※ 编辑: gsuper 来自: 140.113.239.247 (06/18 14:19) ※ 编辑: gsuper 来自: 140.113.239.247 (06/18 15:22)