Publikacje naukowe · Dane kategorialne

Analiza logliniowa tabel wielodzielczych krok po kroku

Trzy zmienne kategorialne i pytanie, które pary są naprawdę powiązane. Pokazujemy na tabeli 2 × 2 × 2, jak oznaczać modele hierarchiczne, porównywać je przez G², przeprowadzić selekcję wsteczną, czytać interakcje jako ilorazy szans i kiedy wybrać regresję logistyczną.

Strona główna / Blog / Analiza logliniowa
W skrócie: Analiza logliniowa modeluje logarytm liczebności w komórkach tabeli wielodzielczej i traktuje wszystkie zmienne symetrycznie. Modele hierarchiczne zapisuje się przez najwyższe interakcje, np. [PS][SL], i porównuje różnicą G² (dewiancji) w teście ilorazu wiarygodności. Interakcja dwóch zmiennych to warunkowy iloraz szans, czyli związek tej pary przy ustalonej trzeciej zmiennej. Ten sam model dopasujesz jako regresję Poissona w glm() albo w MASS::loglm(), a gdy jedna zmienna jest wynikiem, prościej opisać go regresją logistyczną.

Kiedy tabela krzyżowa przestaje wystarczać

Test χ² w tabeli krzyżowej odpowiada na jedno pytanie: czy dwie zmienne kategorialne są niezależne. Krok po kroku opisuje go poradnik o teście chi-kwadrat. W badaniach rzadko kończy się jednak na dwóch zmiennych. Masz trzy albo cztery cechy na skali nominalnej i chcesz wiedzieć, które pary są ze sobą związane, czy związek utrzymuje się po uwzględnieniu trzeciej zmiennej i czy siła związku zależy od poziomu tej trzeciej zmiennej.

Do takich pytań służy analiza logliniowa (ang. log-linear analysis). Modeluje ona logarytm liczebności oczekiwanych w komórkach tabeli wielodzielczej. Zmiennych nie dzieli się na zależne i niezależne: wszystkie traktuje się symetrycznie. Krótką definicję znajdziesz w haśle analiza logliniowa. W tym wpisie przechodzimy przez pełną analizę tabeli 2 × 2 × 2: od oznaczeń modeli, przez porównanie dewiancji i selekcję wsteczną, po interpretację interakcji jako ilorazów szans i decyzję, kiedy lepiej sięgnąć po regresję logistyczną.

Model logliniowy i oznaczenia modeli

Dla trzech zmiennych P, S i L z komórką (i, j, k) model nasycony ma postać:

ln μijk = λ + λiP + λjS + λkL + λijPS + λikPL + λjkSL + λijkPSL

Wyrazy jednej zmiennej odtwarzają tylko jej rozkład brzegowy. Treść merytoryczną niosą interakcje. Birch (1963) zdefiniował interakcje w tabelach trój- i wielodzielczych właśnie jako kombinacje liniowe logarytmów liczebności oczekiwanych i opisał ich estymację metodą największej wiarygodności. Goodman (1970) rozwinął testowanie hierarchicznych hipotez o tych interakcjach, w tym niezależności warunkowej.

Model hierarchiczny spełnia jedną zasadę: jeśli zawiera interakcję, zawiera też wszystkie wyrazy niższego rzędu złożone z tych samych zmiennych. Dlatego zapisuje się go skrótowo, przez najwyższe interakcje w nawiasach kwadratowych. Zapis [PS][SL] oznacza model z interakcjami PS i SL oraz wszystkimi efektami jednej zmiennej.

Hierarchiczne modele logliniowe dla tabeli trójdzielczej i ich znaczenie
ZapisCo zakładadf w tabeli 2 × 2 × 2
[PSL]model nasycony, odtwarza dane idealnie0
[PS][PL][SL]jednorodny związek: OR każdej pary jest taki sam na każdym poziomie trzeciej zmiennej1
[PS][SL]P i L niezależne warunkowo przy ustalonym S2
[P][SL]P niezależne od pary (S, L)3
[P][S][L]pełna wzajemna niezależność4

Stopnie swobody to liczba komórek minus liczba wolnych parametrów. Tabela 2 × 2 × 2 ma 8 komórek, a model nasycony 8 parametrów, więc df = 0.

Przykład: praca, sen i lęk u studentów

W ankiecie wzięło udział 900 studentów (dane symulowane, set.seed(3394)). Zapisano trzy zmienne dychotomiczne: P – czy student pracuje zarobkowo, S – czy zgłasza zaburzenia snu, L – czy ma wysoki poziom lęku. Liczebności komórek są w pliku CSV.

Liczebności tabeli 2 × 2 × 2: praca, zaburzenia snu i poziom lęku
PracaZaburzenia snuLęk niskiLęk wysoki
nienie34279
nietak7370
taknie15043
taktak7073

Zwykły test χ² w tabeli brzegowej praca × lęk daje wynik istotny: wysoki lęk ma 34.5% pracujących i 26.4% niepracujących, χ²(1) = 6.66, p = .010, a iloraz szans wynosi 1.47. Na tym wiele prac się kończy. Pytanie brzmi jednak, czy praca wiąże się z lękiem bezpośrednio, czy tylko przez to, że pracujący studenci częściej źle śpią.

Porównanie modeli: G² i selekcja wsteczna

Dopasowanie modelu mierzy statystyka ilorazu wiarygodności G² = 2 Σ n ln(n / μ̂). To dewiancja modelu względem modelu nasyconego. Małe G² przy danym df oznacza, że model dobrze odtwarza liczebności. Różnica G² dwóch modeli zagnieżdżonych to test ilorazu wiarygodności z df równym różnicy df.

Dopasowanie hierarchicznych modeli logliniowych do tabeli praca × sen × lęk
ModelG²dfpAIC*
[PSL]0.000–16.00
[PS][PL][SL]0.171.67914.17
[PS][SL]1.142.56613.14
[PL][SL]22.882< .00134.88
[PS][PL]76.752< .00188.75
[P][SL]29.473< .00139.47
[PS][L]83.343< .00193.34
[P][S][L]111.674< .001119.67

* AIC liczone jako G² + 2 × liczba parametrów; liczą się tylko różnice między modelami (zob. AIC i BIC).

Goodman (1971) zaproponował budowanie modeli tabel wielodzielczych procedurami podobnymi do krokowych metod regresji. Najczęściej stosuje się selekcję wsteczną: zaczynasz od modelu nasyconego i usuwasz interakcje od najwyższego rzędu, za każdym razem sprawdzając różnicę G². Zgodnie z zasadą hierarchii nie usuwasz wyrazu, który wchodzi w skład interakcji pozostającej w modelu.

Krok 1. Interakcja trzech zmiennych. Usunięcie [PSL] zwiększa G² o 0.17, df = 1, p = .679. Związek każdej pary jest więc podobny na obu poziomach trzeciej zmiennej. Przechodzisz do modelu [PS][PL][SL].

Krok 2. Interakcje dwóch zmiennych. Usuwasz każdą z nich po kolei:

  • bez PL: ΔG² = 0.97, df = 1, p = .326;
  • bez PS: ΔG² = 22.71, df = 1, p < .001;
  • bez SL: ΔG² = 76.58, df = 1, p < .001.

Najmniej traci się po usunięciu PL, a strata jest nieistotna. Zostaje model [PS][SL].

Krok 3. Sprawdzenie, czy można iść dalej. Usunięcie PS z [PS][SL] daje ΔG² = 28.33, a usunięcie SL – ΔG² = 82.20 (oba df = 1, p < .001). Selekcja kończy się na modelu [PS][SL]: G²(2) = 1.14, p = .566. Ma on też najniższe AIC w tabeli. Największa reszta Pearsona w tym modelu wynosi 0.75 co do wartości bezwzględnej, więc żadna komórka nie odstaje.

Wykres punktowy G² dla ośmiu modeli hierarchicznych: model nasycony G² = 0, [PS][PL][SL] G² = 0.17, model końcowy [PS][SL] G² = 1.14 przy df = 2 i p = .566, pozostałe modele bez interakcji PS lub SL mają G² od 22.88 do 111.67 i p < .001
Rysunek 1. Dopasowanie hierarchicznych modeli logliniowych. Każdy model bez interakcji praca–sen albo sen–lęk wyraźnie odbiega od danych, a usunięcie interakcji praca–lęk prawie nie pogarsza dopasowania. Obliczenia: R (dane symulowane).

Automatyczna selekcja ma swoje ryzyka. W badaniu symulacyjnym procedur krokowych w regresji to, czy w modelu końcowym znalazły się prawdziwe predyktory, zależało od korelacji między nimi, a liczba zmiennych szumowych – od liczby kandydatów (Derksen i Keselman, 1992). Opisuje to też hasło metoda krokowa. W tabeli 2 × 2 × 2 modeli jest niewiele, ale przy czterech i pięciu zmiennych liczba kombinacji szybko rośnie. Jeśli masz hipotezy, przetestuj od razu model, który z nich wynika, a selekcję wsteczną opisz jako analizę eksploracyjną.

Interakcje jako ilorazy szans

W tabeli 2 × 2 × 2 każda interakcja dwóch zmiennych odpowiada warunkowemu ilorazowi szans, czyli OR tej pary przy ustalonym poziomie trzeciej zmiennej. Przy kodowaniu zero-jedynkowym (dummy coding) OR = exp(λ). W modelu jednorodnego związku [PS][PL][SL] otrzymujesz:

Warunkowe ilorazy szans z modelu jednorodnego związku [PS][PL][SL]
Interakcjaλ (SE)Warunkowy OR [95% CI]
praca × sen0.733 (0.154)2.08 [1.54, 2.82]
praca × lęk0.157 (0.159)1.17 [0.86, 1.60]
sen × lęk1.367 (0.158)3.92 [2.88, 5.35]

Pracujący mają około dwa razy większą szansę zaburzeń snu, a osoby z zaburzeniami snu prawie czterokrotnie większą szansę wysokiego lęku. Związek pracy z lękiem przy ustalonym śnie jest słaby, a przedział obejmuje 1. Brzegowy OR 1.47 był więc w dużej części skutkiem ścieżki przez sen. W warstwach OR praca–lęk wynosi 1.24 u osób bez zaburzeń snu i 1.09 u osób z zaburzeniami (rysunek 2). W modelu końcowym [PS][SL], bez interakcji PL, OR wynoszą 2.18, 95% CI [1.64, 2.91] dla pary praca–sen i 4.03, 95% CI [2.97, 5.47] dla pary sen–lęk.

Trzy panele słupków z odsetkiem wysokiego lęku: w całej próbie 26.4% niepracujących i 34.5% pracujących (OR = 1.47), wśród osób bez zaburzeń snu 18.8% i 22.3% (OR = 1.24), wśród osób z zaburzeniami snu 49.0% i 51.0% (OR = 1.09)
Rysunek 2. Odsetek studentów z wysokim lękiem według pracy zarobkowej w całej próbie i w warstwach zaburzeń snu. Różnica widoczna w tabeli brzegowej prawie znika, gdy porównujesz osoby o tym samym statusie snu. Obliczenia: R (dane symulowane).

Interakcja trzech zmiennych w modelu nasyconym to logarytm ilorazu dwóch warunkowych OR. Tutaj exp(λPSL) = 0.876, czyli dokładnie 1.09 / 1.24. Gdy ta interakcja jest istotna, związek dwóch zmiennych zależy od poziomu trzeciej, jak w interakcji trójczynnikowej w ANOVA. Wtedy nie raportujesz jednego OR, tylko OR w każdej warstwie.

Programy, które stosują kodowanie efektów (parametry sumują się do zera), podają inne liczby. W tabeli 2 × 2 warunkowy OR = exp(4λ). W przykładzie λSL = 0.342, a exp(4 × 0.342) = 3.92, czyli ten sam OR. Zanim zinterpretujesz λ z wydruku, sprawdź, jakie kodowanie stosuje program.

Ten sam wniosek o pracy i lęku daje test Cochrana–Mantela–Haenszela z warstwami według snu (Mantel i Haenszel, 1959): χ²MH(1) = 0.97, p = .325, wspólny OR = 1.17, 95% CI [0.86, 1.60]. Test CMH odpowiada na jedno pytanie o jedną parę. Model logliniowy ocenia całą strukturę związków naraz. Różnica między OR brzegowym a warunkowym to ten sam mechanizm, który w skrajnej postaci daje paradoks Simpsona. Kievit i in. (2013) przypominają, że same dane nie rozstrzygną, czy trzecia zmienna jest zmienną zakłócającą, czy mediatorem. Tu sen może leżeć na ścieżce od pracy do lęku, ale z danych przekrojowych tego nie udowodnisz.

Ten sam model w glm i w MASS::loglm

Model logliniowy jest szczególnym przypadkiem uogólnionego modelu liniowego. Nelder i Wedderburn (1972) pokazali, że takie modele dla rozkładów z rodziny wykładniczej, w tym rozkładu Poissona, szacuje się jednym algorytmem, a porównuje analizą dewiancji. W praktyce oznacza to, że analiza logliniowa to regresja Poissona, w której jednostką analizy jest komórka tabeli, a zmienną zależną – liczebność komórki. W R masz dwie równoważne drogi:

  • glm(Freq ~ praca * sen + sen * lek, family = poisson) na danych w formacie „jedna komórka = jeden wiersz”;
  • MASS::loglm(~ praca * sen + sen * lek, data = tab) na obiekcie tabeli (Venables i Ripley, 2002).

W przykładzie dewiancja resztowa glm wynosi 1.137 przy df = 2, a G² z loglm – też 1.137. Sekwencja anova(..., test = "LRT") na trzech modelach glm daje te same różnice dewiancji co kroki selekcji: 0.97 i 0.17. Wersja glm ma tę przewagę, że od razu podaje SE i przedziały ufności dla λ. Więcej o samej regresji Poissona przeczytasz w poradniku o regresji dla zliczeń.

Kiedy wybrać regresję logistyczną

Analiza logliniowa jest najlepsza, gdy wszystkie zmienne są równorzędne i pytasz o strukturę związków. Gdy jedna zmienna jest wynikiem, a pozostałe jej predyktorami, prostsza w interpretacji jest regresja logistyczna. Obie drogi są ze sobą ściśle powiązane. Agresti (2013) poświęca temu związkowi osobny podrozdział, a Goodman (1970) wiązał hipotezy logliniowe z analizą logitową.

W przykładzie regresja logistyczna wysokiego lęku na pracę i sen (na danych zagregowanych) daje współczynniki 0.1566 i 1.3670. To dokładnie λPL i λSL z modelu [PS][PL][SL], a dewiancje obu modeli wynoszą 0.171. Model logistyczny z predyktorami P i S odpowiada modelowi logliniowemu, który zawiera pełną interakcję predyktorów [PS] i interakcje każdego z nich z wynikiem.

Wybór między analizą logliniową a regresją logistyczną
SytuacjaLepszy wybór
Wszystkie zmienne kategorialne, pytanie o to, kto z kim jest powiązanyanaliza logliniowa
Jedna zmienna wyniku, kilka kategorialnych predyktorówregresja logistyczna (OR wprost dla wyniku)
Predyktory ciągłe (wiek, wynik skali)regresja logistyczna – tabela wymagałaby kategoryzacji
Wynik o więcej niż dwóch kategoriachwielomianowa regresja logistyczna albo model logliniowy
Pomiary powtarzane tych samych osóbani jedno, ani drugie w podstawowej wersji (zob. test McNemara)

Jak raportować model z wynikiem binarnym, pokazuje regresja logistyczna krok po kroku.

Jak opisać analizę logliniową w artykule

W metodzie podaj zmienne i ich kategorie, sposób doboru modelu (z góry albo selekcja wsteczna z kryterium p lub AIC) i program. W wynikach podaj tabelę liczebności, G² z df i p dla modelu końcowego, testy usuwanych wyrazów i warunkowe OR z 95% CI. Pojedyncze tabele brzegowe 2 × 2 policzysz w kalkulatorze tabeli 2×2.

Związki między pracą zarobkową, zaburzeniami snu i wysokim lękiem (N = 900) zbadano hierarchiczną analizą logliniową z selekcją wsteczną opartą na teście ilorazu wiarygodności. Interakcja trzech zmiennych była nieistotna, ΔG²(1) = 0.17, p = .679. Usunięcie interakcji praca × lęk nie pogorszyło istotnie dopasowania, ΔG²(1) = 0.97, p = .326, natomiast usunięcie interakcji praca × sen, ΔG²(1) = 22.71, p < .001, i sen × lęk, ΔG²(1) = 76.58, p < .001, pogarszało je istotnie. Model końcowy [praca × sen][sen × lęk] dobrze odtwarzał dane, G²(2) = 1.14, p = .566. W modelu końcowym studenci pracujący mieli większą szansę zaburzeń snu (OR = 2.18, 95% CI [1.64, 2.91]), a osoby z zaburzeniami snu – większą szansę wysokiego lęku (OR = 4.03, 95% CI [2.97, 5.47]). Brzegowy związek pracy z lękiem (OR = 1.47) po uwzględnieniu snu był słaby i nieistotny (warunkowy OR w modelu jednorodnego związku = 1.17, 95% CI [0.86, 1.60]).

Jeśli Twoja tabela ma cztery lub pięć wymiarów i potrzebujesz pomocy przy wyborze modelu, zajrzyj do oferty analiz statystycznych dla badaczy.

Przykład reprodukowalny

Przykład w R

Dwa przepisy uruchamiane po kolei w jednej sesji. Model logliniowy dopasowujemy funkcją loglm() z pakietu MASS i jako regresję Poissona w glm(); oba sposoby dają te same liczby.

1. Tabela, modele hierarchiczne i selekcja wsteczna

Dane wejściowe: symulowana ankieta 900 studentów (set.seed(3394)) z trzema zmiennymi dychotomicznymi: praca, sen, lęk; kod zapisuje też liczebności komórek do pliku CSV.

Co odczytać: tabelę 2 × 2 × 2, test χ² w tabeli brzegowej praca × lęk, odsetki wysokiego lęku w warstwach snu, G², df, p i AIC ośmiu modeli, różnice G² w kolejnych krokach selekcji oraz liczebności oczekiwane i największą resztę Pearsona modelu końcowego.

R
# Dane symulowane: ankieta 900 studentów, trzy zmienne dychotomiczne
# P – praca zarobkowa w trakcie studiów, S – zaburzenia snu, L – wysoki lęk.
suppressPackageStartupMessages(library(MASS))   # loglm()
set.seed(3394)
n <- 900
praca <- rbinom(n, 1, .40)
sen   <- rbinom(n, 1, plogis(-1.1 + 0.75 * praca))   # praca sprzyja zaburzeniom snu
lek   <- rbinom(n, 1, plogis(-1.3 + 1.2 * sen))      # zaburzenia snu sprzyjają lękowi
d <- data.frame(praca = factor(praca, 0:1, c("nie", "tak")),
                sen   = factor(sen,   0:1, c("nie", "tak")),
                lek   = factor(lek,   0:1, c("niski", "wysoki")))
tab <- xtabs(~ praca + sen + lek, data = d)                  # tabela 2 × 2 × 2
ftable(tab, row.vars = c("praca", "sen"))
dane <- as.data.frame(tab)                                    # format: jedna komórka = jeden wiersz
write.csv(dane, "../analiza-logliniowa-dane.csv", row.names = FALSE, fileEncoding = "UTF-8")

# Tabela brzegowa praca × lęk (bez uwzględnienia snu): zwykły test chi-kwadrat
pl <- margin.table(tab, c(1, 3))
round(100 * prop.table(pl, 1), 1)                             # % wysokiego lęku: nie pracuje / pracuje
chisq.test(pl, correct = FALSE)

# Odsetek wysokiego lęku według pracy osobno w warstwach snu
round(100 * prop.table(tab, c(1, 2))[, , "wysoki"], 1)

# Modele hierarchiczne: od nasyconego [PSL] w dół (G² = dewiancja względem modelu nasyconego)
modele <- list(
  "[PSL]"        = loglm(~ praca * sen * lek, data = tab),
  "[PS][PL][SL]" = loglm(~ praca * sen + praca * lek + sen * lek, data = tab),
  "[PS][SL]"     = loglm(~ praca * sen + sen * lek, data = tab, fit = TRUE),
  "[PL][SL]"     = loglm(~ praca * lek + sen * lek, data = tab),
  "[PS][PL]"     = loglm(~ praca * sen + praca * lek, data = tab),
  "[PS][L]"      = loglm(~ praca * sen + lek, data = tab),
  "[P][SL]"      = loglm(~ praca + sen * lek, data = tab),
  "[P][S][L]"    = loglm(~ praca + sen + lek, data = tab))
dopasowanie <- data.frame(model = names(modele),
  G2 = sapply(modele, function(m) m$lrt), df = sapply(modele, function(m) m$df))
dopasowanie$p   <- pchisq(dopasowanie$G2, dopasowanie$df, lower.tail = FALSE)
dopasowanie$AIC <- dopasowanie$G2 + 2 * (8 - dopasowanie$df)   # AIC względem modelu nasyconego (stała pominięta)
print(transform(dopasowanie, G2 = round(G2, 2), p = round(p, 3), AIC = round(AIC, 2)), row.names = FALSE)

# Selekcja wsteczna: różnica G² między modelami zagnieżdżonymi (test ilorazu wiarygodności)
porownaj <- function(prostszy, zlozony) {
  dG2 <- modele[[prostszy]]$lrt - modele[[zlozony]]$lrt
  ddf <- modele[[prostszy]]$df - modele[[zlozony]]$df
  c(dG2 = round(dG2, 2), ddf = ddf, p = round(pchisq(dG2, ddf, lower.tail = FALSE), 3))
}
# Krok 1: czy potrzebna interakcja trzech zmiennych?
porownaj("[PS][PL][SL]", "[PSL]")
# Krok 2: usuwamy po kolei każdą interakcję dwóch zmiennych z modelu [PS][PL][SL]
rbind("bez PL" = porownaj("[PS][SL]", "[PS][PL][SL]"),
      "bez PS" = porownaj("[PL][SL]", "[PS][PL][SL]"),
      "bez SL" = porownaj("[PS][PL]", "[PS][PL][SL]"))
# Krok 3: z modelu [PS][SL] próbujemy usunąć kolejną interakcję
rbind("bez PS" = porownaj("[P][SL]", "[PS][SL]"),
      "bez SL" = porownaj("[PS][L]", "[PS][SL]"))

# Model końcowy [PS][SL]: liczebności oczekiwane i reszty Pearsona
koncowy <- modele[["[PS][SL]"]]
ftable(round(fitted(koncowy), 1), row.vars = c("praca", "sen"))
round(max(abs(residuals(koncowy, type = "pearson"))), 2)
Wynik w R
          lek niski wysoki
praca sen                 
nie   nie       342     79
      tak        73     70
tak   nie       150     43
      tak        70     73
     lek
praca niski wysoki
  nie  73.6   26.4
  tak  65.5   34.5

	Pearson's Chi-squared test

data:  pl
X-squared = 6.6587, df = 1, p-value = 0.009867

     sen
praca  nie  tak
  nie 18.8 49.0
  tak 22.3 51.0
        model     G2 df     p    AIC
        [PSL]   0.00  0 1.000  16.00
 [PS][PL][SL]   0.17  1 0.679  14.17
     [PS][SL]   1.14  2 0.566  13.14
     [PL][SL]  22.88  2 0.000  34.88
     [PS][PL]  76.75  2 0.000  88.75
      [PS][L]  83.34  3 0.000  93.34
      [P][SL]  29.47  3 0.000  39.47
    [P][S][L] 111.67  4 0.000 119.67
  dG2   ddf     p 
0.170 1.000 0.679 
         dG2 ddf     p
bez PL  0.97   1 0.326
bez PS 22.71   1 0.000
bez SL 76.58   1 0.000
         dG2 ddf p
bez PS 28.33   1 0
bez SL 82.20   1 0
          lek niski wysoki
praca sen                 
nie   nie     337.3   83.7
      tak      71.5   71.5
tak   nie     154.7   38.3
      tak      71.5   71.5
[1] 0.75

2. Regresja Poissona, ilorazy szans i regresja logistyczna

Dane wejściowe: obiekty z przepisu 1 (tabela tab, model koncowy, tabela brzegowa pl).

Co odczytać: zgodność dewiancji glm z G² z loglm, analizę dewiancji, warunkowe OR z 95% CI, OR w warstwach, test CMH, równość współczynników regresji logistycznej i modelu logliniowego, interakcję trzech zmiennych jako iloraz OR oraz λ z kodowaniem efektów.

R
# Kontynuacja przepisu 1: ten sam model jako regresja Poissona, ilorazy szans i porównanie z regresją logistyczną
dane <- as.data.frame(tab)   # kolumny: praca, sen, lek, Freq (liczebność komórki)

# Regresja Poissona na liczebnościach komórek = model logliniowy
g_pelny  <- glm(Freq ~ praca * sen * lek, family = poisson, data = dane)            # [PSL]
g_hom    <- glm(Freq ~ (praca + sen + lek)^2, family = poisson, data = dane)         # [PS][PL][SL]
g_konc   <- glm(Freq ~ praca * sen + sen * lek, family = poisson, data = dane)       # [PS][SL]
round(c(dewiancja_glm = deviance(g_konc), df = df.residual(g_konc),
        G2_loglm = koncowy$lrt), 3)                                                  # ta sama liczba
anova(g_konc, g_hom, g_pelny, test = "LRT")                                          # selekcja jako analiza dewiancji

# Interakcje jako ilorazy szans (kodowanie zero-jedynkowe: exp(współczynnik) = warunkowy OR)
wsp <- coef(summary(g_hom))[c("pracatak:sentak", "pracatak:lekwysoki", "sentak:lekwysoki"), ]
ci  <- confint.default(g_hom)[rownames(wsp), ]
round(cbind(b = wsp[, 1], SE = wsp[, 2], OR = exp(wsp[, 1]), dolny = exp(ci[, 1]), gorny = exp(ci[, 2])), 3)

# Te same OR w modelu końcowym [PS][SL]
round(exp(cbind(OR = coef(g_konc), confint.default(g_konc)))[c("pracatak:sentak", "sentak:lekwysoki"), ], 3)

# OR praca–lęk w tabeli brzegowej i w warstwach snu (sprawdzenie „ręczne”)
or2x2 <- function(t) (t[1, 1] * t[2, 2]) / (t[1, 2] * t[2, 1])
round(c(brzegowy = or2x2(pl), sen_nie = or2x2(tab[, "nie", ]), sen_tak = or2x2(tab[, "tak", ])), 3)

# Dla porównania: test CMH i wspólny OR Mantela–Haenszela (praca × lęk w warstwach snu)
mantelhaen.test(aperm(tab, c(1, 3, 2)), correct = FALSE)

# Regresja logistyczna lęku na zagregowanych danych daje te same OR co model [PS][PL][SL]
szer <- reshape(dane, idvar = c("praca", "sen"), timevar = "lek", direction = "wide")
logit <- glm(cbind(Freq.wysoki, Freq.niski) ~ praca + sen, family = binomial, data = szer)
round(cbind(b_logit = coef(logit)[2:3],
            b_loglin = coef(g_hom)[c("pracatak:lekwysoki", "sentak:lekwysoki")]), 4)
round(c(dewiancja_logit = deviance(logit), dewiancja_loglin = deviance(g_hom)), 3)

# Interakcja trzech zmiennych w modelu nasyconym = log ilorazu dwóch warunkowych OR
round(c(exp_b_PSL = exp(coef(g_pelny)[["pracatak:sentak:lekwysoki"]]),
        OR_sen_tak_przez_OR_sen_nie = or2x2(tab[, "tak", ]) / or2x2(tab[, "nie", ])), 3)

# Parametry λ z kodowaniem efektów (suma = 0), jak w wydrukach programów do analizy logliniowej:
# w tabeli 2 × 2 × 2 warunkowy OR = exp(4λ)
lam <- loglm(~ (praca + sen + lek)^2, data = tab, param = TRUE)$param
round(c(lambda_SL = lam[["sen.lek"]][1, 1], OR_z_lambdy = exp(4 * lam[["sen.lek"]][1, 1])), 3)
Wynik w R
dewiancja_glm            df      G2_loglm 
        1.137         2.000         1.137 
Analysis of Deviance Table

Model 1: Freq ~ praca * sen + sen * lek
Model 2: Freq ~ (praca + sen + lek)^2
Model 3: Freq ~ praca * sen * lek
  Resid. Df Resid. Dev Df Deviance Pr(>Chi)
1         2    1.13731                     
2         1    0.17142  1  0.96589   0.3257
3         0    0.00000  1  0.17142   0.6789
                       b    SE    OR dolny gorny
pracatak:sentak    0.733 0.154 2.082 1.540 2.816
pracatak:lekwysoki 0.157 0.159 1.170 0.857 1.597
sentak:lekwysoki   1.367 0.158 3.923 2.879 5.347
                    OR 2.5 % 97.5 %
pracatak:sentak  2.181 1.636  2.908
sentak:lekwysoki 4.033 2.973  5.471
brzegowy  sen_nie  sen_tak 
   1.469    1.241    1.088 

	Mantel-Haenszel chi-squared test without continuity correction

data:  aperm(tab, c(1, 3, 2))
Mantel-Haenszel X-squared = 0.96923, df = 1, p-value = 0.3249
alternative hypothesis: true common odds ratio is not equal to 1
95 percent confidence interval:
 0.8564644 1.5951621
sample estimates:
common odds ratio 
         1.168845 

         b_logit b_loglin
pracatak  0.1566   0.1566
sentak    1.3670   1.3670
 dewiancja_logit dewiancja_loglin 
           0.171            0.171 
                  exp_b_PSL OR_sen_tak_przez_OR_sen_nie 
                      0.876                       0.876 
  lambda_SL OR_z_lambdy 
      0.342       3.923 

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje xtabs(), chisq.test(), glm(), mantelhaen.test()) i pakietu MASS (loglm()); rysunki przygotowano w pakiecie ggplot2.

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. MASS (wersja 7.3.65): Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4th ed.). Springer. https://doi.org/10.1007/978-0-387-21706-2
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze błędy

  • Rzadkie tabele. Przy wielu pustych komórkach i małych liczebnościach oczekiwanych rozkład χ² źle przybliża G², a niektóre parametry są nieoszacowalne. Agresti (2013) poświęca pustym komórkom i rzadkim tabelom osobny podrozdział. Zanim dodasz czwartą zmienną, sprawdź, ile obserwacji przypada na komórkę.
  • Model niehierarchiczny. Interakcja PS bez efektów P i S zmienia znaczenie parametrów. W standardowej analizie trzymaj się zasady hierarchii.
  • Interpretacja efektów jednej zmiennej. λP mówi tylko, że pracujących jest mniej niż niepracujących. Nie jest to „efekt pracy”.
  • Wnioski z tabeli brzegowej. Sumowanie tabeli po trzeciej zmiennej może zmienić, a nawet odwrócić związek. Agresti (2013) omawia warunki, w których takie „zwijanie” tabeli jest dopuszczalne.
  • Obserwacje zależne. Każda osoba powinna trafić do dokładnie jednej komórki. Te same osoby w dwóch pomiarach to dane sparowane.
  • Selekcja wsteczna jako test hipotez. p z modelu wybranego na tych samych danych jest zbyt optymistyczne. Jeśli hipotezy były wcześniej, testuj je wprost.
  • Analiza logliniowa zamiast regresji logistycznej przy wyraźnej zmiennej wyniku. Wynik bywa ten sam, ale OR z modelu logistycznego łatwiej opisać czytelnikowi.

Klasyczne, pełniejsze omówienie modeli logliniowych dla tabel wielodzielczych znajdziesz w monografii Bishop, Fienberga i Hollanda (2007).

Najczęstsze pytania

Czym różni się analiza logliniowa od testu chi-kwadrat?

Test χ² sprawdza niezależność dwóch zmiennych w jednej tabeli. Analiza logliniowa obejmuje trzy i więcej zmiennych naraz, pozwala sprawdzić niezależność warunkową i interakcję trzech zmiennych oraz porównywać modele. W tabeli dwudzielczej G² modelu niezależności jest odpowiednikiem testu χ² niezależności opartym na ilorazie wiarygodności.

Jak czytać zapis [PS][SL] w analizie logliniowej?

Nawiasy podają najwyższe interakcje w modelu hierarchicznym. [PS][SL] zawiera interakcje P × S i S × L oraz efekty wszystkich trzech zmiennych, ale nie zawiera interakcji P × L ani P × S × L. Oznacza to, że P i L są niezależne warunkowo przy ustalonym S.

Jak przeliczyć parametr λ na iloraz szans?

Przy kodowaniu zero-jedynkowym, jak w glm() w R, warunkowy OR = exp(λ). Przy kodowaniu efektów, w którym parametry sumują się do zera, w tabeli 2 × 2 OR = exp(4λ). Sprawdź w dokumentacji programu, którego kodowania używa.

Czy analizę logliniową można zrobić w regresji Poissona?

Tak. Ustaw dane w formacie „jedna komórka tabeli = jeden wiersz” z liczebnością jako zmienną zależną i dopasuj glm() z rodziną Poissona. Dewiancja resztowa jest wtedy równa G² modelu logliniowego, a różnice dewiancji dają testy kolejnych interakcji.

Kiedy lepiej użyć regresji logistycznej niż analizy logliniowej?

Gdy jedna zmienna jest wynikiem, a pozostałe jej predyktorami, zwłaszcza jeśli część predyktorów jest ciągła. Model logistyczny daje wtedy te same OR co odpowiadający mu model logliniowy, ale wyniki łatwiej opisać. Analiza logliniowa zostaje dla pytań o strukturę związków między równorzędnymi zmiennymi.

Powiązane hasła

Przeczytaj też

Analizujesz tabelę z trzema lub więcej zmiennymi kategorialnymi?

Pomożemy dobrać model logliniowy albo logistyczny, sprawdzić rzadkie komórki, policzyć warunkowe ilorazy szans z przedziałami ufności i opisać wyniki tak, żebyś mógł(a) je samodzielnie obronić przed recenzentem.

Oferta dla badaczyPorozmawiaj o projekcie

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Agresti, A. (2013). Categorical data analysis (3rd ed.). Wiley.
  2. Birch, M. W. (1963). Maximum likelihood in three-way contingency tables. Journal of the Royal Statistical Society: Series B (Methodological), 25(1), 220–233. https://doi.org/10.1111/j.2517-6161.1963.tb00504.x
  3. Bishop, Y. M. M., Fienberg, S. E., & Holland, P. W. (2007). Discrete multivariate analysis: Theory and practice. Springer. https://doi.org/10.1007/978-0-387-72806-3
  4. Derksen, S., & Keselman, H. J. (1992). Backward, forward and stepwise automated subset selection algorithms: Frequency of obtaining authentic and noise variables. British Journal of Mathematical and Statistical Psychology, 45(2), 265–282. https://doi.org/10.1111/j.2044-8317.1992.tb00992.x
  5. Goodman, L. A. (1970). The multivariate analysis of qualitative data: Interactions among multiple classifications. Journal of the American Statistical Association, 65(329), 226–256. https://doi.org/10.1080/01621459.1970.10481076
  6. Goodman, L. A. (1971). The analysis of multidimensional contingency tables: Stepwise procedures and direct estimation methods for building models for multiple classifications. Technometrics, 13(1), 33–61. https://doi.org/10.1080/00401706.1971.10488753
  7. Kievit, R. A., Frankenhuis, W. E., Waldorp, L. J., & Borsboom, D. (2013). Simpson's paradox in psychological science: A practical guide. Frontiers in Psychology, 4, Article 513. https://doi.org/10.3389/fpsyg.2013.00513 ● Otwarty dostęp
  8. Mantel, N., & Haenszel, W. (1959). Statistical aspects of the analysis of data from retrospective studies of disease. Journal of the National Cancer Institute, 22(4), 719–748. https://doi.org/10.1093/jnci/22.4.719
  9. Nelder, J. A., & Wedderburn, R. W. M. (1972). Generalized linear models. Journal of the Royal Statistical Society: Series A (General), 135(3), 370–384. https://doi.org/10.2307/2344614
  10. Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4th ed.). Springer. https://doi.org/10.1007/978-0-387-21706-2

Cytowania BibTeX

@book{agresti2013categorical, author={Agresti, Alan}, title={{Categorical data analysis (3rd ed.)}}, year={2013}, publisher={Wiley}, url={https://openlibrary.org/books/OL25290020M}}
@article{birch1963maximum, author={Birch, M. W.}, title={{Maximum likelihood in three-way contingency tables}}, journal={Journal of the Royal Statistical Society: Series B (Methodological)}, year={1963}, volume={25}, number={1}, pages={220--233}, doi={10.1111/j.2517-6161.1963.tb00504.x}}
@book{bishop2007discrete, author={Bishop, Yvonne M. M. and Fienberg, Stephen E. and Holland, Paul W.}, title={{Discrete multivariate analysis: Theory and practice}}, year={2007}, publisher={Springer}, doi={10.1007/978-0-387-72806-3}}
@article{derksen1992backward, author={Derksen, Shelley and Keselman, H. J.}, title={{Backward, forward and stepwise automated subset selection algorithms: Frequency of obtaining authentic and noise variables}}, journal={British Journal of Mathematical and Statistical Psychology}, year={1992}, volume={45}, number={2}, pages={265--282}, doi={10.1111/j.2044-8317.1992.tb00992.x}}
@article{goodman1970multivariate, author={Goodman, Leo A.}, title={{The multivariate analysis of qualitative data: Interactions among multiple classifications}}, journal={Journal of the American Statistical Association}, year={1970}, volume={65}, number={329}, pages={226--256}, doi={10.1080/01621459.1970.10481076}}
@article{goodman1971analysis, author={Goodman, Leo A.}, title={{The analysis of multidimensional contingency tables: Stepwise procedures and direct estimation methods for building models for multiple classifications}}, journal={Technometrics}, year={1971}, volume={13}, number={1}, pages={33--61}, doi={10.1080/00401706.1971.10488753}}
@article{kievit2013simpson, author={Kievit, Rogier A. and Frankenhuis, Willem E. and Waldorp, Lourens J. and Borsboom, Denny}, title={{Simpson's paradox in psychological science: A practical guide}}, journal={Frontiers in Psychology}, year={2013}, volume={4}, eid={513}, doi={10.3389/fpsyg.2013.00513}}
@article{mantel1959statistical, author={Mantel, Nathan and Haenszel, William}, title={{Statistical aspects of the analysis of data from retrospective studies of disease}}, journal={Journal of the National Cancer Institute}, year={1959}, volume={22}, number={4}, pages={719--748}, doi={10.1093/jnci/22.4.719}}
@article{nelder1972generalized, author={Nelder, J. A. and Wedderburn, R. W. M.}, title={{Generalized linear models}}, journal={Journal of the Royal Statistical Society: Series A (General)}, year={1972}, volume={135}, number={3}, pages={370--384}, doi={10.2307/2344614}}
@book{venables2002modern, author={Venables, W. N. and Ripley, B. D.}, title={{Modern applied statistics with S (4th ed.)}}, year={2002}, publisher={Springer}, doi={10.1007/978-0-387-21706-2}}
R