具有二元曝光和交互项的广义线性回归模型

Question

我正在运行进行一些相当简单的比值比分析，以研究某些变量对伤害结果的关系。暴露项 (inj) 是二进制的，0 表示没有伤害，1 表示存在伤害。我正在调查的交互项是受伤的人是否在工作中（causeWork；0 表示不是工伤，1 表示工伤）和伤害机制（mechanism；多变量即 mechanismFall、mechanismObject、mechanismPerson）。 mechanism= fall 的参考变量）。我的glm如下：

fit 1 <- glm(formula = inj ~ cause * mechanism, family = "binomial", 
data = dat)

对系数求幂并求出置信区间后，我得到以下值：

round(cbind(OR=exp(coef(fit1)), exp(confint(fit1))), 2)

                              OR    2.5%  97.5 %
(Intercept)                   0.24  0.11   0.47
causeWork                     1.06  0.14   5.17
mechanismObject               3.52  1.51   8.81
mechanismPerson               1.79  0.65   5.02
causeWork:mechanismObject     0.48  0.07   4.24
causeWork:mechanismPerson     1.88  0.30  16.24

我感到困惑的是理解每个的含义，特别是哪个参考被用于 OR 比较。我目前的理解方式是：

(拦截)：受伤的几率

causeWork：工作时受伤 (1) 与非工作时受伤 (0)

的 OR

mechanismFall：在工作中因物体受伤与在工作中因跌倒受伤的 OR（参考）。

...

'causeWork:mechanismObject'：从'causeWork'给定机制=对象（相对于下降）

的增量变化

R 是否自动使用 0 作为所有情况的参考？如果是这样的话，拦截会不会是没有痛苦和伤害的几率？我对 'causeWork' 的解释是否正确？谢谢！

Answer 1

R，据我了解，确实自动使用 0 作为参考 class。对于非分层的分类变量，它只选择一个作为参考，但我不确定它是如何这样做的。尽管如此，您对 causeWork 优势比的解释是正确的：当 causeWork 预测变量从 0 变为 1，而所有其他预测变量保持不变时，发生伤害的几率增加 1.06（或受尊重的置信区间）。

具有二元曝光和交互项的广义线性回归模型

Generalized Linear Regression Model With Binary Exposure and Interaction Terms

r

glm