# Logit.r

##############
# Exemple GPEM

load("GPEM.rda")

# Création des données pour la fonction glm (seulement variables MEP)
T_MEP <- xtabs(~GPEM$M.STATUS+GPEM$EMS+GPEM$PMS)
DF_MEP <- as.data.frame(T_MEP)

# Estimation des paramètres du meilleur modèle logit
Logit_MEP <- glm(Freq~(relevel(GPEM.M.STATUS,2)+relevel(GPEM.EMS,2)+relevel(GPEM.PMS,2))^3,data=DF_MEP,family=poisson)
summary(Logit_MEP)

# Réestimation des paramètres du modèle logit sans l'interaction d'ordre 3
Logit_MEP2 <- glm(Freq~(relevel(GPEM.M.STATUS,2)+relevel(GPEM.EMS,2)+relevel(GPEM.PMS,2))^2,data=DF_MEP,family=poisson)
summary(Logit_MEP2)
1-pchisq(Logit_MEP2$deviance,Logit_MEP2$df.residual)


################################################
# Exemple Pression sanguine et Maladie cardiaque

# Data
load("PressMalad.rda")
PM <- PressMalad

T_PM <- xtabs(~PM$Pression+PM$Maladie)
DF_PM <- as.data.frame(T_PM)

# Modèle log-linéaire saturé
PM_sat <- glm(Freq~relevel(PM.Pression,8)*relevel(PM.Maladie,2),data=DF_PM,family=poisson)
summary(PM_sat)

# Modèle log-linéaire d'indépendance
PM_ind <- glm(Freq~relevel(PM.Pression,8)+relevel(PM.Maladie,2),data=DF_PM,family=poisson)
summary(PM_ind)
1-pchisq(PM_ind$deviance,PM_ind$df.residual)