logit模型

数据读入与整理

setwd("~/Desktop")
data<-read.csv("以房养老问卷调查结果汇总.csv")
data$y[data$Q25=="A"]<-1
data$y[data$Q25=="B"|data$Q25=="C"]<-0
data$x1[data$Q10=="A"]<-1
data$x1[data$Q10=="B"|data$Q10=="C"]<-0
data$x2[data$Q15=="C"|data$Q15=="D"]<-3
data$x2[data$Q15=="B"]<-2
data$x2[data$Q15=="A"]<-1
data$x3[data$Q27=="C"]<-3
data$x3[data$Q27=="F"]<-2
data$x3[data$Q27=="D"|data$Q27=="A"|data$Q27=="B"|data$Q27=="E"|data$Q27=="G"]<-1
data$x4[data$Q24=="E"]<-3
data$x4[data$Q24=="A"|data$Q24=="C"]<-2
data$x4[data$Q24=="B"|data$Q24=="D"]<-1

fit<-glm(y~x1+x2+x3+x4,data=data,family=binomial)
summary(fit)

## 
## Call:
## glm(formula = y ~ x1 + x2 + x3 + x4, family = binomial, data = data)
## 
## Deviance Residuals: 
##     Min       1Q   Median       3Q      Max  
## -1.0305  -0.9598  -0.8090   1.3900   1.8701  
## 
## Coefficients:
##             Estimate Std. Error z value Pr(>|z|)  
## (Intercept) -0.33146    0.69969  -0.474   0.6357  
## x1          -0.13125    0.34826  -0.377   0.7063  
## x2           0.07456    0.21567   0.346   0.7296  
## x3          -0.51845    0.26128  -1.984   0.0472 *
## x4           0.09011    0.17944   0.502   0.6155  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## (Dispersion parameter for binomial family taken to be 1)
## 
##     Null deviance: 255.07  on 199  degrees of freedom
## Residual deviance: 250.45  on 195  degrees of freedom
## AIC: 260.45
## 
## Number of Fisher Scoring iterations: 4