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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。