好像没太多回应，帮点小忙。 ※ 引述《marki (marki)》之铭言： : 抱歉最近问题有点多，想请问交互作用的问题 : 我有想要探讨在两个族群:不同的GA_G (0 or 1)其随着Year_G增加 : AKI的机会是不是都会下降 : 我的logistic regression模型是 : AKI ~ Year_G + factor(GA_G) + 一堆调整变数 + Year_G*factor(GA_G) : 用R跑出来的结果是 : Estimate Std. Error z value Pr(>|z|) : (Intercept) -2.454804 0.793533 -3.094 0.00198 ** : Year_G -0.163630 0.073466 -2.227 0.02593 * : factor(GA_G)1 -1.551497 0.566584 -2.738 0.00618 ** : Year_G:factor(GA_G)1 0.173219 0.132713 1.305 0.19182 : ....(调整变数的结果我就不列了) : 想请问的是 : 1. 虽然交互作用项不显着，可是当GA_G从0变成1的时候，是不是AKI本来随着 : Year_G会逐渐下降会变成会逐渐上升呢? 假设GA_G的二个水准在运算时被coding成0和1 （这是R预设的方式，称treatment coding）， 则报表的回归式是： logit(AKI) = -2.454 + (-0.164)Year_G 当 GA_G = 0 logit(AKI) = -2.454 + (-0.164)Year_G + (-1.551) + (0.173)Year_G 当 GA_G = 1 所以你的猜测，在只看回归线的情况是对的。 : 2. 如果真的是这样，那我还可以说AKI的机会在两组中都会显着地随着Year_G的增加 : 而下降吗? 在保留交互作用时直接解读主效应可能会出错。 建议先做一些自变数选择和模型的诊断。 : 3. 如果不行的话，要怎麽在paper上描述这样的结果呢?我有办法计算出在GA_G=1的这 : 个族群的p value或是判断他有没有显着吗? 如果你已经找到你认为「最好」的模型了仍保有这个不显着的交互作用， 那你可以按GA_G的值分别做模型。 : 4. 如果我想要画出一个Y轴为Probabilitiy，X轴为Year_G的GA_G=1的图，请问下述的程式码有 : 没有问题? : curve((exp(intercept + Year_G_coef*x + GA_G_coe *1 + 调整变项 + inter_coe2 : *x*1)/(1+exp(intercept + Year_G_coe*x + GA_G_coe *1 + 调整变项 + inter_coe *x*1))) : 以上 : 非常感谢 不用这麽麻烦。 以R语言来说，建议使用predict和inv.logit，会非常容易。 另外，由於有其它调节变数，你应该在predict时把它们固定在你选用的特定值， 才画得出来（或着说，才有意义）。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 60.248.222.1 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Statistics/M.1599468231.A.9E2.html ※ 编辑: andrew43 (60.248.222.1 台湾), 09/07/2020 16:57:41