負二項式迴歸中相互作用的簡單斜率

我希望獲得一個預測變量的參數估計值，以便將另一個預測變量限制爲負二項式glm中的特定值，以更好地解釋交互效應。負二項式迴歸中相互作用的簡單斜率

我的模式是這樣的：

model <- glm.nb(outcome ~ IV * moderator + covariate1 + covariate2)

因爲IV:moderator項是顯著，我想在特定值而獲得的參數估計IVmoderator（即在+1和-1 SD）。我可以使用visreg包獲得的moderator不同級別的斜率估計，但我不知道如何估算SE和測試統計。 moderator是一個連續變量，因此我不能使用multcomp包和其他設計用於查找簡單斜率的包（例如，pequod和QuantPsyc）與負二項迴歸不兼容。謝謝！

來源

2014-06-06 user2374048

考慮發佈一個小的（也許是假的）數據集，以便您的代碼實際運行。雖然，我想知道交叉驗證可能是一個更適合您的問題的論壇，如果它更多關於統計而不是編程。 –

有_is_一個'predict.glm'函數。 –

如果要限制迴歸中的某個值，請考慮從模型中取出該變量並將其作爲偏移量添加。例如與示例數據。

dd<-data.frame(
    x1=runif(50), 
    x2=runif(50) 
) 

dd<-transform(dd, 
    y=5*x1-2*x2+3+rnorm(50) 
)

與參數

lm(y ~ x1 + x2,dd) 

# Call: 
# lm(formula = y ~ x1 + x2, data = dd) 
# 
# Coefficients: 
# (Intercept)   x1   x2 
# 3.438438  4.135162 -2.154770

或者說，我們知道，x2係數爲-2，我們可以運行兩個x1和x2的典範。然後，我們無法估計x2，但把這個詞作爲偏移

lm(y ~ x1 + offset(-2*x2), dd) 

# Call: 
# lm(formula = y ~ x1 + offset(-2 * x2), data = dd) 
# 
# Coefficients: 
# (Intercept)   x1 
# 3.347531  4.153594

的offset()選項基本上只需要創建一個協誰的係數始終爲1。儘管我與lm證明，這同樣的方法應該適用於glm.nb和許多其他迴歸模型。

來源

2014-06-06 20:21:53 MrFlick

負二項式迴歸中相互作用的簡單斜率

回答

相關問題