Logistic
解釋堵塞邏輯回歸的估計
有人可以建議我如何使用 cloglog 鏈接解釋邏輯回歸的估計值嗎？
我已經安裝了以下模型
lme4：glm(cbind(dead, live) ~ time + factor(temp) * biomass, data=mussel, family=binomial(link=cloglog))例如，時間的估計值為 0.015。說每單位時間的死亡率乘以 exp(0.015) = 1.015113（每單位時間增加約 1.5%）是否正確。
換句話說，在 logit 邏輯回歸中是否以 log 機率表示在 cloglog 中獲得的估計值？
使用互補-對數-對數鏈接功能，它不是邏輯回歸——術語“邏輯”意味著一個邏輯鏈接。當然，它仍然是二項式回歸。
時間估計為 0.015。說每單位時間的死亡率乘以 exp(0.015) = 1.015113 是否正確（每單位時間增加約 1.5%）
不，因為它沒有根據對數賠率建模。這就是您使用 logit 鏈接所擁有的；如果您想要一個在對數賠率方面有效的模型，請使用 logit-link。
補充日誌鏈接功能說
在哪裡.
所以不是優勢比；的確.
因此和. 因此，如果您需要某個特定的優勢比，您可以計算一個，但就對數賠率的貢獻而言，參數沒有直接的簡單解釋。
取而代之的是（不出所料）一個參數顯示（對於單位變化) 對互補對數對數的貢獻。
正如本在評論中的問題中輕輕暗示的那樣：
說單位時間內死亡的概率（即危險）增加了 1.5% 是真的嗎？
互補對數模型中的參數在風險比方面確實有一個簡潔的解釋。我們有：
， 在哪裡是生存函數。
（因此，在示例中，每單位時間的對數生存率將下降約 1.5%。）
現在的危險，，所以確實在問題給出的例子中，每單位時間的死亡概率*增加了大約 1.5%
*（或更一般地，對於具有 cloglog 鏈接的二項式模型，)