Làm thế nào để diễn giải thuật ngữ chặn trong GLM?

Tôi đang sử dụng R và tôi đã phân tích dữ liệu của mình bằng GLM với liên kết Binomial.

Tôi muốn biết ý nghĩa của việc chặn trong bảng đầu ra là gì. Việc chặn cho một trong các mô hình của tôi là khác nhau đáng kể, tuy nhiên biến thì không. Điều đó có nghĩa là gì?

Đánh chặn là gì. Tôi không biết nếu tôi chỉ bối rối bản thân mình nhưng đã tìm kiếm trên internet, không có gì chỉ để nói, đây là, hãy chú ý đến nó ... hoặc không.

Xin hãy giúp đỡ, một sinh viên rất thất vọng

glm(formula = attacked_excluding_app ~ treatment, family = binomial, 
    data = data)
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.3548   0.3593   0.3593   0.3593   0.3593  
Coefficients:
                         Estimate Std. Error z value Pr(>|z|)   
(Intercept)                 2.708      1.033   2.622  0.00874 **
treatmentshiny_non-shiny    0.000      1.461   0.000  1.00000

(Dispersion parameter for binomial family taken to be 1)
Null deviance: 14.963  on 31  degrees of freedom
Residual deviance: 14.963  on 30  degrees of freedom
(15 observations deleted due to missingness)
AIC: 18.963
Number of Fisher Scoring iterations: 5

Thuật ngữ đánh chặn là đánh chặn ở phần tuyến tính của phương trình GLM, vì vậy mô hình của bạn cho giá trị trung bình là , nơi g là chức năng liên kết của bạn và X β là mô hình tuyến tính của bạn. Mô hình tuyến tính này chứa một "thuật ngữ chặn", nghĩa là:$E[Y] = g^{-1}(\mathbf{X \beta})$$g$$\mathbf{X\beta}$

$\mathbf{X\beta} = c + X_1\beta_1+X_2\beta_2+\cdots$

Trong trường hợp của bạn, phần chặn là đáng kể khác không, nhưng biến thì không, vì vậy nó nói rằng

$\mathbf{X\beta} = c \neq 0$

Bởi vì chức năng liên kết của bạn là nhị thức, sau đó

$g(\mu) = \ln\left(\frac{\mu}{1-\mu}\right)$

Và do đó, chỉ với thuật ngữ chặn, mô hình được trang bị cho giá trị trung bình của bạn là:

$E[Y] = \frac{1}{1+e^{-c}}$

Bạn có thể thấy rằng nếu thì điều này tương ứng với cơ hội 50:50 nhận được Y = 1 hoặc 0, tức là E [ Y ] = $c=0$$E[Y] = \frac{1}{1+1} = 0.5$

Vì vậy, kết quả của bạn nói rằng bạn không thể dự đoán kết quả, nhưng một lớp (1 hoặc 0) có nhiều khả năng hơn lớp kia.

Dường như với tôi có thể có một số vấn đề với dữ liệu. Điều kỳ lạ là ước tính tham số cho hệ số sẽ là 0,000. Có vẻ như cả DV và IV của bạn đều phân đôi và tỷ lệ DV của bạn không khác nhau chút nào với IV của bạn. Thê nay đung không?

Việc chặn, như tôi đã lưu ý trong nhận xét của mình (và như câu trả lời của @corone ngụ ý) là giá trị của DV khi IV bằng 0. IV của bạn được mã hóa như thế nào? Mặc dù vậy, thực tế là ước tính cho hệ số là 0,000 ngụ ý rằng IV không có sự khác biệt.

$\text{log}(\frac{p}{1-p})$

Trong trường hợp của bạn, chặn là trung bình lớn attacked_excluding_app, được tính cho tất cả dữ liệu bất kể treatment. Kiểm tra ý nghĩa trong bảng hệ số là kiểm tra xem nó có khác biệt đáng kể so với không. Điều này có liên quan hay không phụ thuộc vào việc bạn có lý do tiên nghiệm nào đó để mong đợi nó bằng không hay không.

Ví dụ, hãy tưởng tượng bạn đã thử một loại thuốc và giả dược về tác dụng của chúng đối với huyết áp. Đối với mỗi đối tượng, bạn ghi lại sự thay đổi huyết áp của họ bằng cách tính toán (áp lực sau điều trị - áp lực trước khi điều trị) và coi đây là biến phụ thuộc trong phân tích của bạn. Sau đó, bạn thấy rằng hiệu quả của điều trị (thuốc so với giả dược) là không đáng kể nhưng việc đánh chặn là đáng kể> 0 - điều này sẽ cho bạn biết rằng trung bình, huyết áp của đối tượng của bạn tăng lên giữa hai lần đo. Điều này có thể thú vị và cần điều tra thêm.