当 r 中的响应为 0 或 1 时，如何计算随时间的时间变化答案

【问题标题】：How to calculate temporal change over time when response is 0 or 1 in r当 r 中的响应为 0 或 1 时，如何计算随时间的时间变化
【发布时间】：2018-10-03 06:18:41
【问题描述】：

计算随时间变化值为 0 或 1 的响应的时间变化的最佳方法是什么？例如，我有数据df 和年份yr 和响应res 用于站点A。我怎么知道响应随时间的变化是正的（增加）还是负的（减少）或根本没有变化.什么统计工具会更好？该数据实际上显示了大气现象对极端天气事件的响应，即极端事件发生时是否存在现象。

df<-structure(list(yr = c(1950, 1951, 1952, 1953, 1954, 1955, 1956, 
1957, 1958, 1959, 1960, 1961, 1962, 1963, 1964, 1965, 1966, 1967, 
1968, 1969, 1970, 1971, 1972, 1973, 1974, 1975, 1976, 1977, 1978, 
1979, 1980, 1981, 1982, 1983, 1984, 1985, 1986, 1987, 1988, 1989, 
1990, 1991, 1992, 1993, 1994, 1995, 1996, 1997, 1998, 1999, 2000, 
2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010), 
    res = c(0, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 
    1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 
    1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 
    0, 0, 1, 0, 1, 0)), .Names = c("yr", "res"), row.names = c(NA, 
-61L), class = "data.frame")

PS：我在交叉验证中发布了相同的问题，不确定它最适合哪里。

【问题讨论】：

标签： r temporal

【解决方案1】：

一个好的起点是 logit 或 probit 回归。这是 R 中的概率代码：

summary(glm(res ~ yr, data=df))

对于您的示例数据，您将获得一个正数但在统计上不显着（在通常水平上）的年度系数。

【讨论】：

谢谢，您能否解释一下或建议我一些参考资料，说明您如何使用概率模型获得微不足道的增长。我是否必须使用时间执行时间依赖性计算，即时间变化= exp((beta0+beta1*t)/(1-(beta0+beta1*t)) 其中 beta0 和 beta1 是模型的系数？
非线性模型（如概率）的系数比简单线性回归的系数需要更多的工作来解释，但系数的符号和显着性可以从summary 输出。有关概率的更多信息，我认为哈佛的 Gary King 提供了出色的解释和教材。例如，请参阅this paper 或接听this book。