Bir GLM'de kesişme terimi nasıl yorumlanır?

R kullanıyorum ve verilerimi Binomial linkli GLM ile analiz ediyorum.

Çıktı tablosundaki kesişimin ne anlama geldiğini bilmek istiyorum. Modellerimden birinin kesişmesi önemli ölçüde farklıdır, ancak değişken değildir. Ne anlama geliyor?

Kesişme nedir. Sadece kendimi karıştırıyor muyum bilmiyorum ama internette arama yaptıktan sonra, sadece söyleyecek bir şey yok, bu, dikkat edin ... ya da yapma.

Lütfen yardım edin, çok sinirli bir öğrenci

glm(formula = attacked_excluding_app ~ treatment, family = binomial, 
    data = data)
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.3548   0.3593   0.3593   0.3593   0.3593  
Coefficients:
                         Estimate Std. Error z value Pr(>|z|)   
(Intercept)                 2.708      1.033   2.622  0.00874 **
treatmentshiny_non-shiny    0.000      1.461   0.000  1.00000

(Dispersion parameter for binomial family taken to be 1)
Null deviance: 14.963  on 31  degrees of freedom
Residual deviance: 14.963  on 30  degrees of freedom
(15 observations deleted due to missingness)
AIC: 18.963
Number of Fisher Scoring iterations: 5

Kesme noktası terimi, GLM denkleminin doğrusal kısmındaki kesme noktasıdır, bu nedenle ortalama için modeliniz dır ; burada , bağlantı fonksiyonunuzdur ve sizin doğrusal modelinizdir. Bu doğrusal model bir "kesişim terimi" içerir, yani:g X $E[Y] = g^{-1}(\mathbf{X \beta})$$g$$\mathbf{X\beta}$

$\mathbf{X\beta} = c + X_1\beta_1+X_2\beta_2+\cdots$

Sizin durumunuzda kesişme noktası önemli ölçüde sıfır değildir, ancak değişken değildir, bu yüzden

$\mathbf{X\beta} = c \neq 0$

Bağlantı işleviniz binom olduğundan,

$g(\mu) = \ln\left(\frac{\mu}{1-\mu}\right)$

Ve böylece sadece kesme terimi ile, ortalama için uygun modeliniz:

$E[Y] = \frac{1}{1+e^{-c}}$

Eğer ise, bunun 50 = 50 Y = 1 veya 0 elde etme şansına karşılık geldiğini görebilirsiniz, yaniE [ Y ] = $c=0$$E[Y] = \frac{1}{1+1} = 0.5$

Sonuçlarınız sonucu tahmin edemeyeceğinizi söylüyor, ancak bir sınıf (1 veya 0) diğerinden daha olası.

Bana öyle geliyor ki verilerle ilgili bir sorun olabilir. Katsayı için parametre tahmininin 0.000 olması tuhaftır. Hem DV'niz hem de IV'niz ikiye bölünmüş gibi görünüyor ve DV'nizin oranları IV'ünüzle hiç değişmiyor. Bu doğru mu?

Yorumumda belirttiğim gibi (@corone cevabının ima ettiği gibi) kesişim IV 0 olduğunda DV'nin değeridir. IV kodunuz nasıl kodlandı? Ancak olduğu gibi, katsayı için tahminin 0.000 olması, IV'ün hiçbir fark yaratmadığı anlamına gelir.

$\text{log}(\frac{p}{1-p})$

Sizin durumunuzda, kesinti attacked_excluding_appne olursa olsun tüm veriler için hesaplanan büyük ortalamadır treatment. Katsayılar tablosundaki önem testi, sıfırdan önemli ölçüde farklı olup olmadığını test etmektir. Bunun ilgili olup olmadığı, sıfır olmasını beklemek için a priori nedeniniz olup olmadığına bağlıdır.

Örneğin, bir ilaç ve bir plaseboyu kan basıncı üzerindeki etkileri açısından test ettiğinizi düşünün. Her denek için, kan basıncındaki değişikliği hesaplayarak (tedaviden sonraki basınç - tedaviden önceki basınç) kaydedersiniz ve bunu analizinizde bağımlı değişken olarak ele alırsınız. Daha sonra tedavinin etkisinin (ilaca karşı plasebo) önemli olmadığını, ancak kesmenin önemli ölçüde> 0 olduğunu fark edersiniz - bu, ortalama olarak, deneklerinizin kan basıncının iki ölçüm süresi arasında arttığını gösterir. Bu ilginç olabilir ve daha fazla araştırılması gerekebilir.