1

我试图在泊松回归中绘制特定变量的边际效应，然后将该图形与其相应的发生率比率相关联。

我的大部分情节都实现了这一点。然而，对于其中一个，发病率比率表示我感兴趣的变量的总体正相关，并且该图显示了明显的负相关。根据我的理解，这应该有问题。

你可以帮帮我吗 ？:) 我可能在我的分析中理解了一些错误......

我首先创建泊松模型：

model3<- glm(y ~ x1*x2 + x3 + x4 + x5, data=data, family = poisson)

我从中得到以下内部收益率

poissonirr(y ~ x1*x2 + x3 + x4 + x5, data=data)

Incidence-Rate Ratio:
                         IRR  Std. Err.        z     P>|z|    
x1                 1.03404133 0.00471847   7.3359 2.202e-13 ***
x2                 1.16795382 0.01235611  14.6752 < 2.2e-16 ***
x3                 0.63214010 0.00817795 -35.4523 < 2.2e-16 ***
x4                 1.00468920 0.00095329   4.9305 8.204e-07 ***
x5                 0.98118299 0.00267124  -6.9776 3.003e-12 ***
x1:x2              0.99382845 0.00073716  -8.3462 < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

然后我绘制模型（x1）中第一个变量的边际效应，得到以下图：

plot_model(model3, type = "eff", terms = c("x1"))

x1 与 y 泊松回归图（负相关）

这清楚地表明 x1 和 y 之间存在明显的负相关

先感谢您 ！！

（我正在使用mfx包来计算 IRR 和sjPlot::plot_model用于绘图）

4

1 回答 1

0

由于涉及到交互，实际上不能只解释主效应，而需要考虑交互的效果。因此，我建议绘制以下内容：

plot_model(model3, type = "eff", terms = c("x1", "x2"))

x1对于 的不同值/级别，的效果是不同的x2。因此，您只考虑的情节x1具有误导性（x1当您不查看 的系数时， 的系数也是如此x1:x2）。

于 2019-11-22T11:44:04.117 回答