glm()函数的公式中自变量顺序对结果有影响吗？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

本人刚开始学R，看了李东风老师的在线教程https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/stat-glm.html#stat-glm-pois-rate，有问题想请教：

35.2.6发病率模型的章节，用泊松分布模型研究肺癌发生率(cases)的影响因素（city, age）。
数据集是eba1977：
'data.frame':        24 obs. of  4 variables:
$ city : Factor w/ 4 levels "Fredericia","Horsens",..: 1 2 3 4 1 2 3 4 1 2 ...
$ age  : Factor w/ 6 levels "40-54","55-59",..: 1 1 1 1 2 2 2 2 3 3 ...
$ pop  : int  3059 2879 3142 2520 800 1083 1050 878 710 923 ...
$ cases: int  11 13 4 5 11 6 8 7 11 15 ...

原文中的代码如下：
>glm.eba2 <- glm(
     cases ~ -1 + age + city + offset(log(pop)),
     family = poisson,
     data = eba1977)
> summary(glm.eba2)

运行结果如下：
Call:
glm(formula = cases ~ -1 + age + city + offset(log(pop)), family = poisson,
    data = eba1977)

Deviance Residuals:
     Min        1Q    Median        3Q       Max  
-2.63573  -0.67296  -0.03436   0.37258   1.85267  

Coefficients:
            Estimate Std. Error z value Pr(>|z|)   
age40-54     -5.6321     0.2003 -28.125   <2e-16 ***
age55-59     -4.5311     0.2073 -21.861   <2e-16 ***
age60-64     -4.1135     0.1869 -22.005   <2e-16 ***
age65-69     -3.8644     0.1841 -20.993   <2e-16 ***
age70-74     -3.7752     0.1897 -19.897   <2e-16 ***
age75+       -4.2124     0.2082 -20.233   <2e-16 ***
cityHorsens  -0.3301     0.1815  -1.818   0.0690 .  
cityKolding  -0.3715     0.1878  -1.978   0.0479 *  
cityVejle    -0.2723     0.1879  -1.450   0.1472   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 50361.048  on 24  degrees of freedom
Residual deviance:    23.447  on 15  degrees of freedom
AIC: 137.84

Number of Fisher Scoring iterations: 5


我尝试把公式中age和city换了位置，输入代码如下：
>glm.eba3 <- glm(
     cases ~ -1 + city + age + offset(log(pop)),
     family = poisson,
     data = eba1977)
> summary(glm.eba3)

得到结果如下：
Call:
glm(formula = cases ~ -1 + city + age + offset(log(pop)), family = poisson,
    data = eba1977)

Deviance Residuals:
     Min        1Q    Median        3Q       Max  
-2.63573  -0.67296  -0.03436   0.37258   1.85267  

Coefficients:
               Estimate Std. Error z value Pr(>|z|)   
cityFredericia  -5.6321     0.2003 -28.125  < 2e-16 ***
cityHorsens     -5.9621     0.2106 -28.312  < 2e-16 ***
cityKolding     -6.0036     0.2127 -28.231  < 2e-16 ***
cityVejle       -5.9044     0.2151 -27.446  < 2e-16 ***
age55-59         1.1010     0.2483   4.434 9.23e-06 ***
age60-64         1.5186     0.2316   6.556 5.53e-11 ***
age65-69         1.7677     0.2294   7.704 1.31e-14 ***
age70-74         1.8569     0.2353   7.891 3.00e-15 ***
age75+           1.4197     0.2503   5.672 1.41e-08 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 50361.048  on 24  degrees of freedom
Residual deviance:    23.447  on 15  degrees of freedom
AIC: 137.84

Number of Fisher Scoring iterations: 5


可见两次运行结果Coefficients中的age和city项目数是不同的。请问是为什么呢？age一共6组，city一共4组，为什么结果中会少一组数据呢？而且两次结果少的数据项目还不一样。望各位解答，谢谢！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：自变量 coefficients coefficient EFFICIENT Residuals

问题的原因：
city和age两个变量是factor类型，glm函数以哑变量的方式处理，但分类比较多，拟合时收敛就终止迭代了。

实际上，变量在模型公式中的位置不应该有影响。解决方法：
library(dummy)
用dummy()函数将eba1977数据中的分类变量转换成哑变量，这里可能需要将生成的哑变量与原数据其他变量合并，然后formula改成cases ~ . +  offset(log(pop))
这样应该就能看到全部结果
原公式中的-1是去除截距项，实际中还是保留为好