解释堵塞物逻辑回归的估计

有人可以建议我如何使用博客链接解释逻辑回归的估算值吗？

我已在中安装以下模型lme4：

glm(cbind(dead, live) ~ time + factor(temp) * biomass,
    data=mussel, family=binomial(link=cloglog))

例如，时间估计为0.015。说单位时间死亡率的几率乘以exp（0.015）= 1.015113（每单位时间增加〜1.5％）是否正确？
换句话说，在loglog中获得的估计值是否与logit logistic回归一样以对数赔率表示？

使用互补日志对数链接功能，它不是逻辑回归-术语“逻辑”表示逻辑对数链接。当然，它仍然是二项式回归。

时间估计为0.015。说单位时间死亡率的几率乘以exp（0.015）= 1.015113（每单位时间增加〜1.5％）是否正确？

不可以，因为它没有按照对数奇数进行建模。这就是您使用logit链接所拥有的；如果要使用对数奇数的模型，请使用logit-link。

补充日志日志链接功能说

$\eta(x) = \log(-\log(1-\pi_x))=\mathbf{x}\beta$

$\pi_x=P(Y=1|X=\mathbf{x})$

$\exp(\eta)$$\exp(\eta)=-\log(1-\pi_x)$

$\exp(-\exp(\eta))=(1-\pi_x)$$1-\exp(-\exp(\eta))=\pi_x$$\mathbf{x}$

$x$

正如Ben在评论中温和地暗示了他的问题：

是真的说每单位时间死亡的可能性（即危害）增加了1.5％？

互补对数-对数模型中的参数在危险比方面确实具有清晰的解释。我们有：

$e^{\eta(x)}=-\log(1-\pi_x) = -\log(S_x)$$S$

（因此，本示例中，日志生存时间每单位时间将下降约1.5％。）

$h(x)=-\frac{d}{dx}\log(S_x)=\frac{d}{dx}e^{\eta(x)}$

$P(Y=1)$