Regresja logistyczna
W badaniach toksykologicznych organizmy są często poddawane działaniu różnych dawek substancji, a obserwowane wyniki mają charakter binarny – na przykład martwy/żywy lub zahamowany/ruchomy. Tego rodzaju badania nazywamy badaniami zależności dawka-odpowiedź. Przykładowo, odpowiedzią na różne dawki może być śmiertelność (1) lub przeżycie (0) na koniec badania.
W tym ćwiczeniu dopasujemy regresję logistyczną trzema metodami opisanymi w filmie. Do dyspozycji masz dwa zbiory danych.
df_long– w formacie „długim", gdzie każdy wiersz odpowiada jednej obserwacji (tj. wartości 0 lub 1).df_short– w formacie zagregowanym, gdzie każdy wiersz odpowiada jednemu traktowaniu (np. 6 sukcesów, 4 porażki, liczba powtórzeń = 10, proporcja = 0,6).
Przy korzystaniu z ramki danych w formacie „szerokim" lub „krótkim" metody wprowadzania wyników regresji logistycznej oparte na parach „sukces, porażka" wymagają, aby były one podane jako macierz. Najłatwiej to osiągnąć za pomocą funkcji cbind().
Wskazówka: Pracując z danymi w terenie, zawsze sprawdzaj, co oznaczają wartości 0 i 1. Różne osoby stosują różne konwencje, a błędne założenia mogą przysporzyć problemów!
To ćwiczenie jest częścią kursu
Hierarchiczne i mieszane modele efektów w R
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Fit a glm using data in a long format
fit_long <- glm(___ ~ ___, data = df_long,
family = "___")
summary(___)