文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

R语言中如何进行多元逻辑回归

2023-06-08 01:46

关注

小编给大家分享一下R语言中如何进行多元逻辑回归,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!

如何进行多元逻辑回归

可以使用阶梯函数通过逐步过程确定多元逻辑回归。此函数选择模型以最小化AIC。

通常建议不要盲目地遵循逐步程序,而是要使用拟合统计(AIC,AICc,BIC)比较模型,或者根据生物学或科学上合理的可用变量建立模型。

多元相关是研究潜在自变量之间关系的一种工具。例如,如果两个独立变量彼此相关,可能在最终模型中都不需要这两个变量,但可能有理由选择一个变量而不是另一个变量。

多元相关

创建数值变量的数据框

  Data.num $ Status = as.numeric(Data.num $ Status) Data.num $ Length = as.numeric(Data.num $ Length) Data.num $ Migr = as.numeric(Data.num $ Migr) Data.num $ Insect = as.numeric(Data.num $ Insect) Data.num $ Diet = as.numeric(Data.num $ Diet) Data.num $ Broods = as.numeric(Data.num $ Broods) Data。 num $ Wood = as.numeric(Data.num $ Wood) Data.num $ Upland = as.numeric(Data.num $ Upland) Data.num $ Water = as.numeric(Data.num $ Water) Data.num $ Release = as.numeric(Data.num $ Release) Data.num $ Indiv = as.numeric(Data.num $ Indiv) ###检查新数据框 headtail(Data.num) 1 1 1520 9600.0 1.21 1 12 2 6.0 1 0 0 1 6 29 2 1 1250 5000.0 0.56 1 0 1 6.0 1 0 0 1 10 85 3 1 870 3360.0 0.07 1 0 1 4.0 1 0 0 1 3 8 77 0 170 31.0 0.55 3 12 2 4.0 NA 1 0 0 1 2 78 0 210 36.9 2.00 2 8 2 3.7 1 0 0 1 1 2 79 0 225 106.5 1.20 2 12 2 4.8 2 0 0 0 1 2 ###检查变量之间的相关性 ###这里使用了Spearman相关性

R语言中如何进行多元逻辑回归

多元逻辑回归的例子

在此示例中,数据包含缺失值。在R中缺失值用NA表示。SAS通常会无缝地处理缺失值。虽然这使用户更容易,但可能无法确保用户了解这些缺失值的作用。在某些情况下,R要求用户明确如何处理缺失值。处理多元回归中的缺失值的一种方法是从数据集中删除具有任何缺失值的所有观察值。这是我们在逐步过程之前要做的事情,创建一个名为Data.omit的数据框。但是,当我们创建最终模型时,我们只想排除那些在最终模型中实际包含的变量中具有缺失值的观察。为了测试最终模型的整体p值,绘制最终模型,或使用glm.compare函数,我们将创建一个名为Data.final的数据框,只排除那些观察结果。

尽管二项式和poission系列中的模型应该没问题,但是对于使用某些glm拟合的步骤过程存在一些注意事项。

用逐步回归确定模型

最终模型

summary(model.final)  Coefficients:        Estimate Std. Error z value Pr(>|z|)   (Intercept) -3.5496482 2.0827400 -1.704 0.088322 .  Upland   -4.5484289 2.0712502 -2.196 0.028093 *  Migr    -1.8184049 0.8325702 -2.184 0.028956 *  Mass     0.0019029 0.0007048  2.700 0.006940 ** Indiv    0.0137061 0.0038703  3.541 0.000398 *** Insect    0.2394720 0.1373456  1.744 0.081234 .  Wood     1.8134445 1.3105911  1.384 0.166455

伪R方

$Pseudo.R.squared.for.model.vs.null                Pseudo.R.squared McFadden               0.700475 Cox and Snell (ML)          0.637732 Nagelkerke (Cragg and Uhler)     0.833284

模型总体p值

在最终模型中创建包含变量的数据框,并省略NA。

偏差表分析

Analysis of Deviance Table   Model 1: Status ~ Upland + Migr + Mass + Indiv + Insect + Wood Model 2: Status ~ 1  Resid. Df Resid. Dev Df Deviance Pr(>Chi)   1    63   30.392              2    69   93.351 -6 -62.959 1.125e-11 ***

似然比检验

Likelihood ratio test    #Df LogLik Df Chisq Pr(>Chisq)   1  7 -15.196             2  1 -46.675 -6 62.959 1.125e-11 ***

标准化残差图

R语言中如何进行多元逻辑回归

简单的预测值图

在最终模型中创建包含变量的数据框,并在NA中省略

R语言中如何进行多元逻辑回归

过度离散检验

过度离散是glm的deviance残差相对于自由度较大的情况。这些值显示在模型的摘要中。一个指导原则是,如果deviance残差与剩余自由度的比率超过1.5,则模型过度离散。过度离散表明模型不能很好地拟合数据:解释变量可能无法很好地描述因变量,或者可能无法为这些数据正确指定模型。如果存在过度离散,一种可能的解决方案是 在glm中使用quasibinomial family选项。

Null deviance: 93.351 on 69 degrees of freedom Residual deviance: 30.392 on 63 degrees of freedom deviance /  df.residual   [1] 0.482417

评估模型的替代方法

使用逐步程序的替代或补充是将模型与拟合统计进行比较。我的compare.glm 函数将为glm模型显示AIC,AICc,BIC和伪R平方。使用的模型应该都拟合相同的数据。也就是说,如果数据集中的不同变量包含缺失值,则应该谨慎使用。如果您对使用哪种拟合统计数据没有任何偏好,您希望在最终模型中使用较少的术语,我可能会推荐AICc或BIC。

一系列模型可以与标准的anova 功能进行比较。模型应嵌套在先前模型中或anova函数列表中的下一个模型中; 和模型应该拟合相同的数据。在比较多个回归模型时,通常放宽p值为0.10或0.15。

在以下示例中,使用通过逐步过程选择的模型。请注意,虽然模型9最小化了AIC和AICc,但模型8最小化了BIC。anova结果表明模型8不是对模型7的显着改进。这些结果支持选择模型7,8或9中的任何一个。  

compareGLM(model.1, model.2, model.3, model.4, model.5, model.6,      model.7, model.8, model.9)   $Models  Formula                          1 "Status ~ 1"                        2 "Status ~ Release"                     3 "Status ~ Release + Upland"                 4 "Status ~ Release + Upland + Migr"             5 "Status ~ Release + Upland + Migr + Mass"         6 "Status ~ Release + Upland + Migr + Mass + Indiv"     7 "Status ~ Release + Upland + Migr + Mass + Indiv + Insect" 8 "Status ~ Upland + Migr + Mass + Indiv + Insect"      9 "Status ~ Upland + Migr + Mass + Indiv + Insect + Wood"    $Fit.criteria  Rank Df.res  AIC AICc  BIC McFadden Cox.and.Snell Nagelkerke  p.value 1  1   66 94.34 94.53 98.75  0.0000    0.0000   0.0000    Inf 2  2   65 62.13 62.51 68.74  0.3787    0.3999   0.5401 2.538e-09 3  3   64 56.02 56.67 64.84  0.4684    0.4683   0.6325 3.232e-10 4  4   63 51.63 52.61 62.65  0.5392    0.5167   0.6979 7.363e-11 5  5   62 50.64 52.04 63.87  0.5723    0.5377   0.7263 7.672e-11 6  6   61 49.07 50.97 64.50  0.6118    0.5618   0.7588 5.434e-11 7  7   60 46.42 48.90 64.05  0.6633    0.5912   0.7985 2.177e-11 8  6   61 44.71 46.61 60.14  0.6601    0.5894   0.7961 6.885e-12 9  7   60 44.03 46.51 61.67  0.6897    0.6055   0.8178 7.148e-12  Analysis of Deviance Table   Model 1: Status ~ 1 Model 2: Status ~ Release Model 3: Status ~ Release + Upland Model 4: Status ~ Release + Upland + Migr Model 5: Status ~ Release + Upland + Migr + Mass Model 6: Status ~ Release + Upland + Migr + Mass + Indiv Model 7: Status ~ Release + Upland + Migr + Mass + Indiv + Insect Model 8: Status ~ Upland + Migr + Mass + Indiv + Insect Model 9: Status ~ Upland + Migr + Mass + Indiv + Insect + Wood    Resid. Df Resid. Dev Df Deviance Pr(>Chi)   1    66   90.343             2    65   56.130 1  34.213 4.94e-09 *** 3    64   48.024 1  8.106 0.004412 ** 4    63   41.631 1  6.393 0.011458 *  5    62   38.643 1  2.988 0.083872 .  6    61   35.070 1  3.573 0.058721 .  7    60   30.415 1  4.655 0.030970 *  8    61   30.710 -1  -0.295 0.587066   9    60   28.031 1  2.679 0.101686

看完了这篇文章,相信你对“R语言中如何进行多元逻辑回归”有了一定的了解,如果想了解更多相关知识,欢迎关注编程网行业资讯频道,感谢各位的阅读!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯