如何绘制 R 中逻辑模型预测的优势比？

Question

我有一个这样的逻辑回归模型

model4 <- glm(diabetes ~ sex*age, data = df, family = "binomial")

其中年龄是连续变量，性别决定患者是男性还是女性。糖尿病要么是 0 要么是 1。我想通过与 50 岁的患者进行比较，绘制患者患糖尿病概率随年龄变化的优势比，从而使交互作用可视化。

我尝试通过仅对数据集中的女性使用 predict 函数，然后仅对男性使用函数，并采用这些向量的指数来做到这一点。这会产生一些没有意义的结果。

probabilitiesK <- predict(model4, sorteddfK,type = "response") 
probabilitiesM <- predict(model4, sorteddfM,type = "response")

#plotting the points by age, male and female separate
plot(sorteddfK$age, exp(probabilitiesK), col = "red", ylim = c(1.04, 1.20)) #plotting exp(log - odds) = odds ratio for women
points(sorteddfM$age, exp(probabilitiesM), col = "blue") #plotting exp(log - odds) = odds ratio for men

这会产生： this plot

我不明白如何与 50 岁的患者进行比较。我可以预测一个 50 岁的病人，然后除以这个值，但这只是一个常数，所以它不会改变我的情节的形状。我还尝试制作一个采用 age50 = age-50 的新模型，但这给出了与我的示例代码相同的图。我想我错过了比值比的一些重要方面，但我真的尝试阅读它但我仍然不明白。

有没有人有什么想法？

Answer 1

我通过创建一个函数来找到我的逻辑回归的几率，并将其除以 50 岁患有糖尿病的患者的几率来解决它。

首先我制作了带有交互作用的逻辑回归模型，将估计值保存为b0，b1，b2，b3，然后制作了函数

像这样：

model5 <- glm(diabetes ~ sex*age, data = df, family = "binomial")
summary(model5)

b0 <- -1.378675 #intercept
b1 <- -2.049248 #sexK
b2 <- -0.006735 #age
b3 <-  0.022666 #sexK:age

Odds_refM0 <- function(age, sexK){
  return(exp(b0 + (b1*sexK) + (b2*age) + (b3*age*sexK)))
}

o_w_refMO <- Odds_refM0(age = sorteddfK$age, sexK = 1) #odds for women (men as reference)
o_w50_refMO <- Odds_refM0(age = 50, sexK = 1) #odds for women 50 yrs
OR_W <- o_w_refMO/o_w50_refMO # Odds ratios for women

o_m_refMO <- Odds_refM0(age = sorteddfM$age, sexK = 0) #odds for men
o_m50_refMO <- Odds_refM0(age = 50, sexK = 0) # odds for men of 50 yrs
OR_M <- o_m_refMO/o_m50_refMO # Odds ratios for men

#plotting
plot(sorteddfK$age, OR_W, type = "p", col = "red", xlim = c(20, 95), ylim = c(0.5,2), main = "Kønsspæcifik alderseffekt ifht alder = 50, kvinder: rød, mænd: blå", xlab = "alder", ylab = "OR")  +
points(sorteddfM$age, OR_M, type = "p", col = "blue")

如何绘制 R 中逻辑模型预测的优势比？

How to plot odds ratio of prediction of logistic model in R?

regression

r

logistic-regression