什么是计算逻辑模型平均边际效应、平均值处的边际效应和代表性数值处的边际效应的最简单方法?
我找到了这个例子,但是解释很混乱,老实说我不理解: https://cran.r-project.org/web/packages/margins/vignettes/Introduction.html 我正在使用一个STATA数据集ANES.dta,其中包含有关美国2000年总统选举的信息。数据集的内容如下:
我找到了这个例子,但是解释很混乱,老实说我不理解: https://cran.r-project.org/web/packages/margins/vignettes/Introduction.html 我正在使用一个STATA数据集ANES.dta,其中包含有关美国2000年总统选举的信息。数据集的内容如下:
dat <- structure(list(age = c(49, 63, 40, 47, 26, 48, 41, 18, 31, 22
), gender = c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 2L), race = c(1L,
1L, 1L, 1L, 2L, 1L, 1L, 1L, 5L, 1L), education = c(3L, 3L, 3L,
4L, 4L, 2L, 2L, 2L, 3L, 3L), income = c(4L, 3L, 3L, 3L, 4L, 3L,
3L, 3L, 4L, 3L), attendance = c(2L, 5L, 5L, 5L, 4L, 5L, 4L, 1L,
0L, 3L), lib_con = c(59, 49, 94, 24, 29, 19, 39, 49, 79, 49),
pro_choice = c(2L, 4L, 3L, 4L, 4L, 2L, 4L, 1L, 1L, 4L), vote = c(1,
0, 1, 0, 0, 0, 0, 1, 1, 0), black = c(0, 0, 0, 0, 1, 0, 0,
0, 0, 0)),row.names = c(NA, -10L), class = c("data.frame"))
这是数据集的头部:
age gender race education income attendance lib_con pro_choice vote black
1 49 1 1 3 4 2 59 2 1 0
4 63 1 1 3 3 5 49 4 0 0
5 40 2 1 3 3 5 94 3 1 0
8 47 2 1 4 3 5 24 4 0 0
9 26 2 2 4 4 4 29 4 0 1
10 48 2 1 2 3 5 19 2 0 0
这是我的模型代码:
rm(list=ls())
library(foreign)
dat <- read.dta("ANES.dta", convert.factors = FALSE)
dat_clear <- na.omit(dat)
head(dat_clear)
m1_logit <- glm(vote ~ gender + income + pro_choice ,
data = dat_clear, family = binomial(link = "logit") ,
na.action = na.omit)
summary(m1_logit)
dput(data)
的数据样本或者您的数据非常大,则帮助会更加容易。您可以编辑您的问题并粘贴输出内容。您可以使用三个反引号(```)进行更好的格式化。有关更多信息,请参见 如何创建可重现的示例。 - Ian Campbell