R语言各种logistic回归普通条件 IPTW

仿生bug

于 2021-10-20 14:59:11 发布

阅读量1.7k

点赞数 1

CC 4.0 BY-SA版权

文章标签： r语言

本文链接：https://blog.youkuaiyun.com/weixin_46623488/article/details/120866399

这篇博客探讨了三种不同的统计建模方法：普通logistic回归、IPTW（逆概率加权）的logistic回归和PSM（配对样本选择）的条件logistic回归。通过`glm`函数进行建模，并使用`reportReg`展示结果。内容涵盖了模型的构建、权重应用以及匹配样本的考虑，展示了在不同调整策略下，预测变量SYPL对目标变量zq101的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#【普通logistic回归】
library(reportReg)
Match$SYPL <- as.factor(Match$SYPL)
model0=glm(zq101~SYPL,data=Match,family=binomial(),)
reportReg(model0)
summary(model0)

#【IPTW的logistic回归】
data$SYPL <- as.factor(data$SYPL)
model1=glm(zq101~SYPL,data=data,family=binomial(),weights=mw1)
reportReg(model1)

#【PSM】的【条件logistic回归】
??clogit
library(survival)
model2 <- clogit(zq101~SYPL + strata(group), data=Match)
reportReg(model2)