你说的危险因素保护因素我不太懂,这个模型可以有多个自变量的,给你个例子看看吧
这个是薛毅那本书的课后题6.6
x1=rep(c(1,0),c(118,133)) ##x1=1表示实现有计划
x2=rep(c(1,0,1,0),c(20,98,98,35)) ##x2=1表示用抗生素
x3=rep(c(1,0,1,0,1,0),c(18,2,58,40,124,9)) ##x3=1表示有危险因子
y=rep(c(1,0,1,0,1,0,1,0),c(1,19,28,30,51,87,23,12)) ##y=1表示感染
inject=data.frame(x1,x2,x3,x,y)
log.inj=glm(y~x1+x2+x3,family=binomial,data=inject)
summary(log.inj)
new=data.frame(x1=c(1,1,1,1,0,0,0,0),x2=c(1,1,0,0,1,1,0,0),
x3=c(1,0,1,0,1,0,1,0))
log.pre=predict(log.inj,new)
p=exp(log.pre)/(1+exp(log.pre));p
############结果
p为感染的概率,可以看出,p4(1,0,0)和p8(0,0,0)的概率近似相等都很大,说明因素是否事先准备对感染的
影响很小。p6(0,1,0)=0.2356726,概率很小,说明因素是否使用抗生素对感染产生了很大的影响。p7(0,0,1)=
0.6373355 ,概率也比较大,说明因素是否有危险因子对感染产生了影响但是不大。
综上所述,是否使用抗生素对感染的影响很大,是否有危险因子对感染存在影响,但是不大;是否又准备对感染几乎不产
生影响