ich einige ziemlich einfache Odds Ratio-Analyse leite Beziehungen bestimmter Variablen auf Unfallfolgen zu untersuchen. Der Expositionszeitraum (inj) ist binär, wobei 0 keine Verletzung darstellt und 1 bedeutet, dass eine Verletzung vorliegt. Die Interaktionsbedingungen sucht ich sind, ob die Person bei der Arbeit verletzt (causeWork
; 0
stellen keine arbeitsbedingten Verletzungen und 1
stellt einen Arbeitsunfall) und den Mechanismus der Verletzung (mechanism
;. Mit mehreren Variablen dh mechanismFall
, mechanismObject
, mechanismPerson
). Die Führungsgröße für mechanism
= fallen). Mein GLM ist wie folgt:Generalized Linear Regression Modell mit Binary Exposure und Interaktion Bedingungen
fit 1 <- glm(formula = inj ~ cause * mechanism, family = "binomial",
data = dat)
Nachdem die Koeffizienten Potenzieren und fordern die Konfidenzintervalle, ich die folgenden Werte erhalten:
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
Wo ich bin verwirrt zu werden, ist das Verständnis der Bedeutung für jeden, vor allem welche Referenz wird für den OR-Vergleich verwendet. Die Art, wie ich dies derzeit verstehen ist:
(intecept): Die Chancen von
eine Verletzung leidencauseWork
: Die ODER-Verknüpfung von einer Verletzung bei der Arbeit leidet (1
) im Vergleich zu einer Verletzung nicht bei der Arbeit leidet (0
)
mechanismFall
: Das OP, eine Verletzung bei der Arbeit von einem Objekt zu leiden gegen eine Verletzung bei der Arbeit von einem Sturz (Referenz) leiden.
...
'causeWork: mechanismObject': Die inkrementelle Änderung von bestimmten Mechanismus 'causeWork' = Objekt (im Vergleich zu Herbst)
Hat automatisch R 0 als Referenz verwenden für alle Fälle? Wenn das der Fall ist, wäre der Schnitt die Chance, NICHT zu leiden und zu verletzen? Ist meine Interpretation des 'causeWork' korrekt? Vielen Dank!
nimmt es die erste Stufe in dem Faktor ('Ebene (mydata $ fac_var) [1]'), die standardmäßig * alphabetisch * ist, es sei denn, werden spezielle Kontraste gesetzt worden ist (es gibt mehr Möglichkeiten, dies zu tun ...) –