4 回帰分析の表
4.1 線形回帰:tbl_regression()
summary(m_lm) の出力と比べると、
- 変数名がラベルに置き換わる
- カテゴリ変数は 基準カテゴリ(参照群) の行が「—」付きで表示される
- 係数・95% 信頼区間・p 値が並ぶ
4.2 ロジスティック回帰:オッズ比で表示
exponentiate = TRUE で係数を指数変換し、オッズ比 (OR) で表示します。見出しも自動で “OR” になります。
4.3 Cox 回帰:ハザード比で表示
ヒント対応しているモデル
lm, glm, coxph, survreg, lme4::lmer / glmer, geepack::geeglm, nnet::multinom など、 broom で整理できる多くのモデルに対応しています。
4.4 表示を調整する
4.5 カテゴリ変数の全体 p 値:add_global_p()
3水準以上のカテゴリ変数(grade など)について、「その変数全体として効果があるか」の p 値(尤度比検定や Wald 検定)を出します。
各水準の p 値の代わりに、変数の行に1つの p 値が表示されます(keep = TRUE で両方表示)。
4.6 モデルの情報を脚注に:add_glance_source_note()
4.7 単変量回帰をまとめて:tbl_uvregression()
「各変数を1つずつ入れたモデル」(単変量解析・粗オッズ比)を一度に作ります。
N 列は、各モデルで使われた(欠測でない)人数です。
4.8 単変量と多変量を並べる(論文の定番)
4.9 有意性の星印:add_significance_stars()
* の基準は脚注に表示されます。
重要この章のまとめ
tbl_regression()でモデルを表に。exponentiate = TRUEで OR / HRadd_global_p()(変数全体の p 値)、add_glance_source_note()(R² など)tbl_uvregression()で単変量解析を一括。tbl_merge()で単変量・多変量を並べる