逻辑回归 - glm 中的 cbind 命令
我正在 R 中进行逻辑回归。有人可以澄清运行这两条线有什么区别吗?
1. glm(Response ~ Temperature, data=temp,
family = binomial(link="logit"))
2. glm(cbind(Response, n - Response) ~ Temperature,
data=temp, family =binomial, Ntrials=n)
数据如下: (注:响应是二进制的。0=死亡 1=未死亡)
Response Temperature
0 24.61
1 39.61
1 39.50
0 22.71
0 21.61
1 39.70
1 36.73
1 33.32
0 21.73
1 49.61
I am doing logistic regression in R. Can somebody clarify what is the differences of running these two lines?
1. glm(Response ~ Temperature, data=temp,
family = binomial(link="logit"))
2. glm(cbind(Response, n - Response) ~ Temperature,
data=temp, family =binomial, Ntrials=n)
The data looks like this:
(Note : Response is binary. 0=Die 1=Not die)
Response Temperature
0 24.61
1 39.61
1 39.50
0 22.71
0 21.61
1 39.70
1 36.73
1 33.32
0 21.73
1 49.61
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论
评论(1)
在进行二项式或拟二项式
glm
时,您可以提供成功概率、两列矩阵,其中各列给出成功和失败的数量,或者提供一个因子,其中第一级表示失败,其他级表示成功在等式的左边。请参阅?glm
中的详细信息。When doing the binomial or quasibinomial
glm
, you either supply a probability of success, a two-column matrix with the columns giving the numbers of successes and failures or a factor where the first level denotes failure and the others success on the left hand side of the equation. See details in?glm
.