用R解释具有多个分类变量的Logistic回归

问题描述

在逻辑回归中使用多个分类变量时，我在解释系数时遇到一些困难。

我的任务涉及检查捆绑销售对客户在获得促销优惠后是否购买通行证的影响。

Promo是级别为“ Bundle，NoBundle”的分类变量。Pass是级别为“ Pass，No Pass”的分类变量。我很高兴-“ PromoBundle”（0.388）的系数为1.47，这意味着与noBundle相比，Bundle的影响很小。很酷。

现在，我还有一个附加变量-级别为Email，Mail，Park（客户可以看到要约的位置）的渠道。我的运行结果如下：

系数：

            Estimate Std. Error z value Pr(>|z|)      
(Intercept) -2.07860    0.13167 -15.787  < 2e-16 ***
PromoBundle -0.56022    0.09031  -6.203 5.54e-10 ***
ChannelMail  2.17617    0.14651  14.854  < 2e-16 ***
ChannelPark  3.72176    0.15964  23.313  < 2e-16 ***

和exp（coef（model2））

(Intercept) PromoBundle ChannelMail ChannelPark 
  0.1251054   0.5710846   8.8125066  41.3371206

这是否意味着根据我的水平设置将我的系数和优势比与默认值的组合进行比较？（例如，电子邮件与否？）

问题是我要比较Channel和Bundle的影响。

谢谢您的输入！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

categorical-data r r