Question

我一直在使用glm函数进行回归分析，这对我很有帮助。我想知道，我想要回归的一些事情涉及大量的回归因素。我有两个主要问题：

是否可以为回归量提供文本向量？
summary(glm)的p值部分可以完全排序吗？优选地，通过每个回归量的p值。

实施例

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")

Answer 1

关于第一个问题，请参阅as.formula。基本上你想要做以下事情：

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

如果您想在模型中使用交互项，则需要使用不同的collapse=参数使结构更复杂一些。该参数指定在向量的元素之间放置哪些符号。例如，如果您在上面的代码中指定"*"，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，则需要先创建包含所有交互的公式部分（使用“*”作为折叠参数），然后在单独的粘贴函数中添加其余项（使用“+” “作为崩溃的论点。总而言之，您希望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，数据框。假设你的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)

将arrange()的结果分配给varable，并根据需要继续使用。

Answer 2

示例数据框：

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，您可以使用字符向量a创建一个带有reformulate的模型公式：

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

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

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

其次，这是一种通过p值对模型摘要进行排序的方法：

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

R中的回归概述

2 个答案: