逻辑回归创建新变量时系数异常问题求助

首先你的mutate代码逻辑是对的：Subway对应0，McDonalds对应1，这部分没有问题。系数数值“不准确”的感知大概率来自以下几个原因，逐一排查：

• 混淆了逻辑回归系数的含义：
  glm输出的系数是对数优势比（log odds ratio），不是概率或直接的关联强度。比如calories的系数为0.01，代表每增加1单位卡路里，属于McDonalds的对数优势比增加0.01，转换成更直观的关联倍数需要用exp(log$coefficients)。

• 变量尺度差异过大：
  calories（通常几百）、sodium（通常几千）、protein（几十）的数值范围差异极大，未标准化的情况下，系数会因为变量尺度被压缩/放大，看起来“不符合预期”。可以先对变量做标准化再建模：

  rest <- fastfood %>%
    filter(restaurant %in% c("McDonalds", "Subway")) %>%
    mutate(restbin = ifelse(restaurant == "Subway", 0, 1),
           across(c(calories, sodium, protein), scale)) # 标准化变量
  log <- glm(restbin ~ calories + sodium + protein, binomial(), data = rest)
  round(log$coefficients, 2)
  

• 数据过滤是否正确：
  执行table(rest$restaurant)确认过滤后的数据是否只有McDonalds和Subway，避免混入其他餐厅数据干扰模型结果。

• 模型方向是否符合预期：
  你的模型是用营养变量预测“是否为McDonalds”，如果目标是看餐厅对营养变量的影响，那模型方向应该反过来：glm(calories ~ restbin, gaussian(), data=rest)（可替换为其他营养变量），这时候系数才是餐厅对应的营养变量差异。

内容的提问来源于stack exchange，提问作者jakdar