Question

我想使用ldply（）

从GLM模型列表中提取偏差

示例数据（来自R base安装）：

    library(reshape2)
    library(plyr)
    mtcars.1 <- mtcars[, c("am",  "qsec" , "drat")  ]
    mtcars.m <- melt(mtcars.1, id= 1 ) 

    glm.cars <- dlply( mtcars.m ,  .(variable) ,  
    glm,  formula=  am ~ value , family=binomial )

到目前为止：

    ldply(  glm.cars  ,  summarise ,   "Null Deviance" = null.deviance , 
        "Residual Deviance" = deviance , "Deviance"= "??"    )

由此提供：

      variable  Null Deviance     Residual Deviance    Deviance
1     qsec      43.22973          41.46512             ??
2     drat      43.22973          21.65003             ??

缺少偏差！我该如何提取它？

那么如何在上面的例子中提取偏差？

当然我可以做null.deviance + deviance，但我不想那样做。我想我想要更好地了解G统计数据的原因。我觉得我经历了提取，减去和做chisqr的困难，我会更好地学习它。

PS我很困惑，发现glm.model $ devianc

Answer 1

正如你所说，你很困惑。对于每个型号，您有两个偏差。这两个偏差（......不是它们的总和）的区别在于有趣的统计测量。（我猜你正在对剩余平方和和模型平方和的加性特性进行类比，但如果是这样的话，那么你就跟着错误的兔子沿着语言类比洞走了。）你需要将差异与a进行比较。具有与零模型和“残差模型”之间的自由度差异相同的自由度的95％卡方值。如果在模型上执行str（。），则可以向下滚动列表输出以查找以下内容：

 str(glm(am~qsec, mtcars, family=binomial)  )
 .....
 $ deviance         : num 41.5
 $ aic              : num 45.5
 $ null.deviance    : num 43.2
 .....
 $ df.residual      : int 30
 $ df.null          : int 31
 .....

因此，您的dlply代码需要提取这些代码，然后您计算null.deviance-deviance和df.null -df.residual，并可能会显示qchisq(0.95, df.null-df.residual)。如果你想看看如何通过R-Core打包它，那么看看：

 anova( glm(am~qsec, mtcars, family=binomial)  )

使用ldply（）从GLM模型列表中提取偏差

1 个答案: