r语言logistic回归_R语言多元Logistic逻辑回归 应用案例

原文链接:

R语言多元Logistic逻辑回归 应用案例​tecdat.cn

如何进行多重逻辑回归

可以使用阶梯函数通过逐步过程确定多重逻辑回归。此函数选择模型以最小化AIC，而不是像手册中的SAS示例那样根据p值。另请注意，在此示例中，步骤函数找到了与“ 手册”中的过程不同的模型。

通常建议不要盲目地遵循逐步程序，而是要使用拟合统计（AIC，AICc，BIC）比较竞争模型，或者根据生物学或科学上合理的可用变量建立模型。

多重相关是研究潜在自变量之间关系的一种工具。例如，如果两个独立变量彼此相关，可能在最终模型中都不需要这两个变量，但可能有理由选择一个变量而不是另一个变量。

多重相关

创建数值变量的数据框

###只选择那些数字变量或可以制作数字 ###将整数变量隐藏到数值变量 Data.num $ Status = as.numeric（Data.num $ Status） Data.num $ Length = as.numeric（Data.num $ Length） Data.num $ Migr = as.numeric（Data.num $ Migr） Data.num $ Insect = as.numeric（Data.num $ Insect） Data.num $ Diet = as.numeric（Data.num $ Diet） Data.num $ Broods = as.numeric（Data.num $ Broods） Data。 num $ Wood = as.numeric（Data.num $ Wood） Data.num $ Upland = as.numeric（Data.num $ Upland） Data.num $ Water = as.numeric（Data.num $ Water） Data.num $ Release = as.numeric（Data.num $ Release） Data.num $ Indiv = as.numeric（Data.num $ Indiv） ###检查新数据框架 headtail（Data.num） 1 1 1520 9600.0 1.21 1 12 2 6.0 1 0 0 1 6 29 2 1 1250 5000.0 0.56 1 0 1 6.0 1 0 0 1 10 85 3 1 870 3360.0 0.07 1 0 1 4.0 1 0 0 1 3 8 77 0 170 31.0 0.55 3 12 2 4.0 NA 1 0 0 1 2 78 0 210 36.9 2.00 2 8 2 3.7 1 0 0 1 1 2 79 0 225 106.5 1.20 2 12 2 4.8 2 0 0 0 1 2 检查变量之间的相关性 ###注意我在这里使用了Spearman相关