GLMで傍受用語​​を解釈する方法は？

私はRを使用しており、Binomialリンク付きのGLMでデータを分析しています。

出力テーブルのインターセプトの意味を知りたいです。私のモデルの1つの切片は大きく異なりますが、変数は違いません。これは何を意味するのでしょうか？

インターセプトとは何ですか。私は自分自身を混乱させているだけでなく、インターネットを検索したかどうかはわかりません。ただこれだけで、それに気づいてください...またはしないでください。

助けてください、とてもイライラした学生

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

$E[Y] = g^{-1}(\mathbf{X \beta})$$g$$\mathbf{X\beta}$

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

あなたの場合、切片は非常にゼロではありませんが、変数はそうではないので、

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

リンク関数は二項なので、

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

And so with just the intercept term, your fitted model for the mean is:

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

You can see that if $c=0$ then this corresponds to simply a 50:50 chance of getting Y=1 or 0, i.e. $E[Y] = \frac{1}{1+1} = 0.5$

So your result is saying that you can't predict the outcome, but one class (1's or 0's) is more likely than the other.

It looks to me like there may be some problem with the data. It is odd that the parameter estimate for the coefficient would be 0.000. It looks like both your DV and your IV are dichotomous and that the proportions of your DV do not vary at all with your IV. Is this right?

The intercept, as I noted in my comment (and as @corone 's answer implies) is the value of the DV when the IV is 0. How was your IV coded? As is, though, the fact that the estimate for the coefficient is 0.000 implies that the IV makes no difference.

Therefore, the intercept of 2.708 is the estimated logit of the DV: that is, $\text{log}(\frac{p}{1-p})$ at all levels of the IV.

In your case, the intercept is the grand mean of attacked_excluding_app, calculated for all data regardless of treatment. The significance test in the table of coefficients is testing whether it is significantly different from zero. Whether this is relevant depends on whether you have some a priori reason to expect it be zero or not.

たとえば、血圧への影響について薬物とプラセボをテストしたと想像してください。各被験者について、（治療後の圧力-治療前の圧力）を計算して血圧の変化を記録し、これを分析の従属変数として扱います。次に、治療の効果（薬物対プラセボ）は重要ではないが、切片が有意に0より大きいことがわかります。これにより、2つの測定時間の間に被験者の血圧が平均的に上昇したことがわかります。これは興味深い場合があり、さらに調査が必要です。