r语言有序分类logistic回归 有序多元logistic回归r语言

当涉及到二分类时，我们第一想到的就是logistic回归。前面也讲解过其他的二分类其的构建。本文主要分享logistic有关的二分类，无序多分类，有序多分类和条件logistic回归。

本文因没有配图，略显枯燥，建议在运行本代码的过程中1.全神贯注，盯住每一个结果；2.建议对统计学知识有一个自学或复习，甚至建议各位朋友找到相关关于logistic回归的帖子或教材，配合着学习/理解，同时大家多多交流。通过这些合作，相信会学好logistic回归，包括其他知识。多学习，多总结，取长补短，才能进步。

##一. 二分类，涉及到二分类数据，可以使用logistic回归进行危险因素和相关因素的探索

##目的是构建P=P(Y=1 |X)与影响因素x之间的关系，出现阳性概率的结果
rm(list = ls())
library(MPV)
knitr::kable(head(p13.2))
log_fix <- glm(y~x,family = "binomial",data = p13.2)
summary(log_fix)

#结果解读
exp(coef(log_fix)[2])#结果=1.000201，即x每增加一个单位，y相应的增加1.00020倍
exp(confint(log_fix)[2,])##95%CI,若pvalue<0.05，则95%不包括1，反之包括1

##其实在进行logistics后还需要判断或检测是否有过度离势φ=Deviance(res)/df,即残差偏差/自由度

##若φ>>1,则表明存在过度离势，检测方法如下

φ <- log_fix$deviance/log_fix$df.residual

##如果验证了之后存在过度离势，那么验证了之后如何去校正呐？

##首先可以返回原始数据，看看有无离群值或高杠杆

##若没有离群值或高杠杆，检测结果仍显示过度离势，则如下操作

log_fix <- glm(y~x,family = quasibinomial(),data = p13.2)
summary(log_fix)

##二.无序多分类logistic回归

##比如血型A,B,AB,O

rm(list = ls())
library(foreign)
library(nnet)
ml <- read.dta("http://stats.idre.ucla.edu/stat/data/hsbdemo.dta")
head(ml)
ml$prog2 <- relevel(ml$prog,ref = "academic")
test <- multinom(prog2~ses + write,data = ml)
summary(test)
##计算pvalue
z <- summary(test)$coefficients/summary(test)$standard.errors
p <- (1 - pnorm(abs(z),0,1))*2#双侧，所以*2
p
exp(coef(test))#得到OR值

#####三.有序多分类logistic回归

#因变量有多个，且为有序变量
require(foreign)
require(MASS)
dat <- read.dta("http://stats.idre.ucla.edu/stat/data/ologit.dta")
head(dat)
#查看数据
ftable(xtabs(~public+apply+pared,data = dat))

m <- polr(apply~pared+public+gpa,data = dat,Hess = TRUE,method = "logistic")
summary(m)
ctable <- coef(summary(m))
(ctable <- coef(summary(m)))

#计算p值
p <- pnorm(abs(ctable[,"t value"]),lower.tail = FALSE)*2
(ctable <- cbind(ctable,"p value"=p))

(ci <- confint(m))#95%CI

exp(cbind(OR=coef(m),ci))#OR值

##解读：pared↑ 1 unit → OR=2.85（class1→class2；class2→class3）
##OR c1vsCk>1 = OR c2vsCk>2

####三.条件logistic回归--1：n，目的是通过匹配对照组，将混杂因素匹配掉，比如说地域/年龄等

#1：M case control  1个病例；M m个对照组，m<=4
library(faraway)
data(amlxray,package = "faraway")
head(amlxray)
str(amlxray)
library(survivv)
cmod <- clogit(disease~Sex+Mray+Fray+CnRay+strata(ID),data = amlxray)##strate函数中的ID如果自
#自己数据中没有，需要加入进去。

summary(cmod)
##对于条件logistic，重点是需要知道什么时候需要采用条件logistic回归。

---

学习的过程就是分享的过程，分享的过程也是交流的过程，交流的过程就是进步的过程。