今天給大家寫寫如何把你做的模型係數畫出來,就是你的模型中自變量都有一個係數和置信區間嘛,那麼我們把係數和其置信區間畫出來的樣子就像是meta中的森林圖差不多,所以我把文章起了個繪製回歸分析結果的森林圖。
有人要問畫這個有啥用呢?
你發SCI總能用得到的,雖然中文文章畫這個的我沒太見著,英文文章很多使用這種森林圖展示結果的,下圖就是一個例子,所以趕緊收藏一下哦。
實例描述今天給大家畫一個邏輯回歸的。
今天的例子為研究GRE,GPA和學校排名是否會影響一個人被錄取為研究生,在這個例子中GRE和GPA都是連續變量,學校排名rank為分類變量,是否錄取admit為(0/1)二分類。
讀入數據擬合模型一氣呵成:
mydata <- read.csv('C:/Users/hrd/Desktop/bootcamp/dataset/binary.csv')
mylogit <- glm(admit ~ gre + gpa + rank, data = mydata, family = "binomial")
然後我們可以看一看模型的OR值和置信區間:
exp(cbind(OR = coef(mylogit), confint(mylogit)))
那麼要畫出模型係數的森林圖最簡單的就是直接把整個模型餵給plot_model這個函數:
plot_model(mylogit)
注意,我們圖中間有個線比較白,這個叫做零作用線,在邏輯回歸或者其他的廣義線性回歸中為1,在一般的線性回歸中為o,那麼我們可以改變這個線的顏色以示強調:
plot_model(mylogit, vline.color = "red")
當然,我們還可以改變量的排序,比如我想要效應大的自變量首先展示:
plot_model(mylogit, sort.est = TRUE,vline.color = 'blue')
當然了,我們還可以自定義自變量的排序,你只需要把順序餵給order.items參數就行:
plot_model(mylogit, order.terms = c(3,4, 5, 1, 2))
還有一個比較有用的技巧就是,你可以在圖中展示自變量效應的大小和p值:
plot_model(mylogit,show.values = T)
很多情況下你還想改變圖的默認標題,也很好辦,比如我可以改成我想要的標題:
plot_model(mylogit,show.values = T,title ='關注Codewar,數據處理不迷路,哈哈哈')
這種森林圖還有很多技巧,以後給大家一一介紹。
小結今天給大家寫了一個邏輯回歸的係數可視化,感謝大家耐心看完,自己的文章都寫的很細,代碼都在原文中,希望大家都可以自己做一做,請關注後私信回復「數據連結」獲取所有數據和本人收集的學習資料。如果對您有用請先收藏,再點讚轉發。
也歡迎大家的意見和建議。
如果你是一個大學本科生或研究生,如果你正在因為你的統計作業、數據分析、論文、報告、考試等發愁,如果你在使用SPSS,R,Python,Mplus, Excel中遇到任何問題,都可以聯繫我。因為我可以給您提供最好的,最詳細和耐心的數據分析服務。
如果你對Z檢驗,t檢驗,方差分析,多元方差分析,回歸,卡方檢驗,相關,多水平模型,結構方程模型,中介調節,量表信效度等等統計技巧有任何問題,請私信我,獲取最詳細和耐心的指導。
If you are a student and you are worried about you statistical #Assignments, #Data #Analysis, #Thesis, #reports, #composing, #Quizzes, Exams.. And if you are facing problem in #SPSS, #R-Programming, #Excel, Mplus, then contact me. Because I could provide you the best services for your Data Analysis.
Are you confused with statistical Techniques like z-test, t-test, ANOVA, MANOVA, Regression, Logistic Regression, Chi-Square, Correlation, Association, SEM, multilevel model, mediation and moderation etc. for your Data Analysis...??
Then Contact Me. I will solve your Problem...
加油吧,打工人!
往期內容:機器學習:邏輯回歸分類器(一)
R數據分析:多分類邏輯回歸
R數據分析:邏輯斯蒂回歸與泊松回歸
R數據分析:多元邏輯斯蒂回歸的做法
R數據分析:如何做邏輯斯蒂回歸