【发布时间】：2013-02-09 16:09:47
【问题描述】：
我将SAS 命令与R 的命令进行比较。考虑一下我想评估一次暴露（如CAT，其中1 equals high 和0 equals low）和one cofounding variable（如cholesterolleve，CHL）对疾病变量（如CHD）的影响)。在SAS 中，要获得优势比的数值，例如，当模型包含交互项（如 (CC = CAT*CHL) 时，请考虑特定值 CHL 等于 220 和 HPT 等于 1，命令为：
PROC GENMOD data=l2 DESCENDING;
MODEL CHD=CAT CHL CC/LINK=LOGIT DIST=BINOMIAL;
ESTIMATE CAT 1 CC 220 /EXP;
RUN;
我只是想在 R 中找到这样的命令。在 R 中是否有任何代码？
【问题讨论】：
-
您能否提供一个带有 SAS 输出的示例数据？否则，我唯一可以为您提供的是，如果您有一个
data.frame = df和列CC, CAT and CHL，只需执行mfit <- glm(data = df, CC ~ CAT * CHL, family="binomial", link="logit")然后summary(mfit)。 -
This link 可能会有所帮助。
-
我相信 OP 正在询问具有 4 列的数据情况，并且需要
glm(CHD ~ CAT + CHOL + CC, data=df, "binomial")来遵循您的建议。然而，最好不要单独计算交互项，而是使用公式机制来表示与“*”运算符的交互：glm(CHD ~ CAT * CHOL , data=df, "binomial")这将为您提供主效应和交互系数。它还可以与predict方法一起更好地工作，在这种方法中，您不会因为可能输入与主要效果不匹配的交互项而被绊倒。
标签： r