r语言logistic多因素回归模型代码并写出发表格式表格

下面是一个R语言的logistic多因素回归模型代码的范例：

# 加载数据
data <- read.csv("data.csv", header = TRUE)

# 将分类变量转换为虚拟变量
data$group <- factor(data$group)
data <- model.matrix(~ group + age + gender + income, data = data)

# 拟合模型
model <- glm(y ~ ., data = data, family = binomial(link = "logit"))

# 查看模型摘要
summary(model)

在上述代码中，我们首先加载了一个名为“data.csv”的数据文件，并将其中的分类变量转换为虚拟变量。接着，我们使用glm()函数拟合了一个logistic多因素回归模型，并使用summary()函数查看了模型的摘要。

在发表论文时，我们通常需要将模型结果以表格的形式呈现。下面是一个可能的表格格式：

| 变量 | β系数 | 标准误差 | Wald统计量 | P值 |
| --- | --- | --- | --- | --- |
| Intercept | -2.345 | 0.678 | 11.543 | 0.001 |
| groupB | 0.567 | 0.234 | 2.433 | 0.089 |
| groupC | 0.789 | 0.345 | 2.284 | 0.112 |
| age | 0.023 | 0.012 | 1.893 | 0.169 |
| genderMale | -0.456 | 0.345 | 3.456 | 0.067 |
| income | 0.034 | 0.023 | 1.456 | 0.227 |

在上表中，我们列出了每个变量的β系数、标准误差、Wald统计量和P值。其中，Intercept表示模型的截距项，groupB和groupC表示虚拟变量的水平，age、genderMale和income表示连续变量。这些结果可以通过summary()函数输出的模型摘要来获取。