R中的回归总结

我一直在使用glm函数进行回归分析，它对我很好。不过，我想知道，我想要回归的一些东西涉及大量的回归因素。我有两个主要问题：R中的回归总结

是否有可能为回归者提供文本向量？
summary(glm)的p值部分可以根本排序吗？优选地通过每个回归器的p值。

Ex。

A # sample data frame 
names(A) 
[1] Dog Cat Human Limbs Tail Height Weight Teeth.Count 
a = names(A)[4:7] 
glm(Dog ~ a, data = A, family = "binomial")

来源

2013-07-05 riders994

您可以指定所有剩余的列在矩阵中使用类似于'glm（A $ Dog〜。，data = A [，4：7]）'的矩阵。 – Thomas

您希望通过p值排序输出提示您在统计上的误解。但是，像R中的任何东西一样，它可以完成。 – Roland

我是一名数学家，而不是统计学家，但是不是p值表示结果是随机的概率的指示吗？因此，回归的力量是相关的p值？ – riders994

对于第一个问题，请参阅as.formula。基本上要做到以下几点：

x <- names(A)[4:7] 
regressors <- paste(x,collapse=" + ") 
form <- as.formula(c("Dog ~ ",regressors)) 
glm(form, data = A, family = "binomial")

如果你想在你的模型的互动方面，你需要使用不同的参数collapse=使结构更复杂一些。该参数指定将哪些符号放置在矢量的元素之间。例如，如果您在上面的代码中指定了"*"，那么您将拥有一个包含所有可能交互的饱和模型。如果您只需要一些交互，但不是全部，则需要首先创建包含所有交互的公式部分（使用“*”作为折叠参数），然后将其余项添加到单独的粘贴函数中（使用“+” “作为崩溃的论据）。总而言之，您要创建一个与公式相同的字符串，然后将其转换为公式类。

对于第二个问题，您需要将摘要的输出转换为可以排序的数据结构。例如，一个数据框。比方说，你的GLM模型的名称是model：

library(plyr) 
coef <- summary(model)[12] 
coef.sort <- as.data.frame(coef) 
names(coef.sort) <- c("Estimate","SE","Tval","Pval") 
arrange(coef.sort,Pval)

指定的arrange()结果到varable，并用它继续，只要你喜欢。

来源

2013-07-05 07:53:14

的示例数据帧：

set.seed(42) 
A <- data.frame(Dog = sample(0:1, 100, TRUE), b = rnorm(100), c = rnorm(100)) 
a <- names(A)[2:3]

首先，可以使用字符向量a创建模型公式与reformulate：

glm(Dog ~ a, data = A, family = "binomial") 

form <- reformulate(a, "Dog") 
# Dog ~ b + c 

model <- glm(form, data = A, family = "binomial")

其次，这是对模型进行排序的方式由p值汇总：

modcoef <- summary(model)[["coefficients"]] 

modcoef[order(modcoef[ , 4]), ]   

#    Estimate Std. Error z value Pr(>|z|) 
# b   0.23902684 0.2212345 1.0804232 0.2799538 
# (Intercept) 0.20855908 0.2025642 1.0295951 0.3032001 
# c   -0.09287769 0.2191231 -0.4238608 0.6716673

来源

2013-07-05 07:59:29

R中的回归总结

回答

相关问题