STATISTIK-FORUM.de

[Lili_123]

Hallo zusammen!

Ich habe einen Datensatz, der nur aus binomialen bzw. Dummy Variablen besteht (0/1), wobei 0 für Abwesenheit und 1 für Anwesenheit steht. Meine abhängige Variable ist eine endemische Art und meine unabhängigen Variablen sind drei neophytische Arten und zwei Krankheiten. Nun möchte ich (mit R) herausfinden, wie die An-/Abwesenheit meiner unabhängigen Variablen meine die An-/Abwesenheit meiner abhängigen Variable beeinflussen.

Ich habe mich bereits an einer GLM versucht, bin mir allerdings nicht ganz sicher, ob das überhaupt der richtige Ansatz ist.
mod <- glm (data = data, endemic_species ~ neophyt1 + neophyt2 + neophyt3 + plague1 + plague2)

Außerdem würde ich gerne auch auf Interaktionen/Zusammenhänge zwischen z.B. Neophyten und Krankheiten testen. Welchen Test würdet ihr machen und v.a. wie würdet ihr das ganze visualisieren? Über jegliche Tipps/Ideen/Anmerkungen wäre ich sehr dankbar!

LG Lili

[PonderStibbons]

Für binäre abhängige Variablen kommt eine binär-logistische Regressionsanalyse in Betracht.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo Lili,

die von PonderStibbons genannte binär-logistische Regression ist ein spezieller Fall eines GLM und wird mit der Funktion glm gerechnet. Den speziellen Fall einer binär-logistischen Regression gibt man glm mit Hilfe des Arguments "family =" an. Poste doch bitte mal das Ergebnis von

Code: Alles auswählen

mod <- glm(data = data, formula = endemic_species ~ neophyt1 + neophyt2 + neophyt3 + plague1 + plague2, family = "binomial")
summary(mod)


Was die Interaktionen von zwei Krankheiten mal drei Neophyten angeht: Um sechs Interaktionen sinnvoll aud Signifikanz zu prüfen braucht es viele Beobachtungen. Hast Du viele Beobachtungen?

Wenn nichts weiter bekannt ist, wäre das der klassische Weg. Unter Umständen könnte ein Entscheidungsbaum mit dem Paket partykit als Alternative Form der Regression/Klassifikation infrage kommen (hat alles Vor- und Nachteile, schöne Visualisierung ist hier sicher ein Vorteil, größere Abhängigkeit des Modells vom Zufall ist sicher ein erheblicher Nachteil):

https://cran.r-project.org/web/packages ... /ctree.pdf
https://www.zeileis.org/papers/Hothorn+ ... s-2006.pdf
https://jmlr.org/papers/volume16/hothor ... orn15a.pdf
https://cran.r-project.org/package=partykit

LG, Bernhard

[bele]

Das Thema ist auch hier zu finden: http://www.r-forum.de/regressionsmodell ... t1458.html .

[Holgonaut]

Hallo,

die Visualisierung von Interaktionen in logit modellen ist aber tricky. Ich hab das noch nie gemacht, hatte aber Kollegen, die damit zu kämpfen hatten.

Ai, C., & Norton, E. C. (2003). Interaction terms in logit and probit models. Economics Letters, 80, 123-129. https://doi.org/10.1016/S0165-1765(03)00032-6

Karaca‐Mandic, P., Norton, E. C., & Dowd, B. (2012). Interaction terms in nonlinear models. Health services research, 47(1pt1), 255-274. https://doi.org/10.1111/j.1475-6773.2011.01314.x

Grüße
Holger