分析比例趋势

如何解决分析比例趋势

我正在分析微生物的抗菌素耐药性数据。我想看看阻力 (Y/N) 是否在一段时间内（2010-2017 年）发生变化。我正在使用逻辑回归模型和 R 中的代码，如下所示：

model1 = glm(tetM ~ year,data=dat2,family = binomial)

这样好吗？我在正确的轨道上吗？我得到了这样的模型摘要：

摘要（模型 1）

Call:
glm(formula = tetM ~ year,family = binomial,data = dat2)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.6557   0.2444   0.4391   0.5003   1.4823  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -0.6931     0.7071  -0.980 0.326959    
year2011      1.9459     1.0690   1.820 0.068724 .  
year2012      2.6391     0.8864   2.977 0.002908 ** 
year2013      2.7081     1.0328   2.622 0.008740 ** 
year2014      3.0350     0.8481   3.579 0.000345 ***
year2015      2.9339     0.8493   3.455 0.000551 ***
year2016      1.9459     0.9063   2.147 0.031791 *  
year2017      4.1897     1.2371   3.387 0.000707 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(dispersion parameter for binomial family taken to be 1)

    Null deviance: 173.74  on 227  degrees of freedom
Residual deviance: 152.32  on 220  degrees of freedom
AIC: 168.32

Number of Fisher Scoring iterations: 6

如果我得出的结论是阻力有显着增加的趋势，我是否正确？

解决方法

表格很难阅读，您应该使用reprex 库的reprex 函数。 但由于系数显着且随着时间的推移呈新月形，因此我会得出相同的结论。

,

首先，你的变量“year”是一个包含其他列的数据框，比如 2015...2017？如果是这样，是不是每个都按天（或月、学期等）来衡量，例如：包含第 1 天、...、第 365 天的变量 2017。因为如果这样表达，意义将告诉您天数越多，阻力越大。但是，如果您的变量“年份”只有 7 个值，例如 2015,2016,...,2017，您不应从中得出任何结论。提供给模型的变量数量非常少，估计不太可靠。

但是，如果要分析阻力是否随年份变化。我建议您搜索非参数 Mcnemar 假设检验。