Agresti - Categorical Data Analysis (2002)
- Sehr intiutiv geschriebenes Buch
- Sehr ausführliches begleitendes Skript von Thompson
- Das Skript eignet sich um die kategoriale Datenanalyse nachzuvollziehen
Faraway Bücher zu Regression in R
- Logistische Regressionen gut erklärt
-
Beispiele mit R-code
-
Faraway - Extending the linear model with r
-
Faraway - Practical Regression and Anova using R
-
Binäre AVs mit glm
- Die logistische Regression gehört zur Klasse der generalisierten linearen Modelle (GLM)
- Die Funktion zur Schätzung eines Modells dieser Klasse in heißt
glm() glm()muss 1. ein Formel-Objekt mitgegeben werden und 2. die Klasse (binomial, gaussian, Gamma) samt link-Funktion (logit, probit, cauchit, log, cloglog)
Beispieldaten für die logistische Regression
install.packages("HSAUR")
library("HSAUR")
data("plasma", package = "HSAUR")
Logistische Regression mit R
cdplot(ESR ~ fibrinogen, data = plasma)
Logistische Regression mit R
plasma_glm_1 <- glm(ESR ~ fibrinogen, data = plasma,
family = binomial())
Weitere Beispieldaten
install.packages("faraway")
library("faraway")
data(orings)
| temp | damage |
|---|---|
| 53 | 5 |
| 57 | 1 |
| 58 | 1 |
Generalisierte Regression mit R - weitere Funktionen
- Logistisches Modell mit Probit-Link:
probitmod <- glm(cbind(damage,6-damage) ~ temp,
family=binomial(link=probit), orings)
- Regression mit Zähldaten:
modp <- glm(Species ~ .,family=poisson,gala)
- Proportional odds logistic regression im Paket
MASS:
library("MASS")
house.plr<-polr(Sat~Infl,weights=Freq,data=housing)
Linkliste - logistische Regression
- Einführung in logistische Regression
