对于累积链接函数，伪R平方

Question

我有一个序数因变量，并试图使用一些自变量来预测它。我使用R。我使用的函数是clm包中的ordinal，准确地执行带有probit链接的累积链接功能：

我在包pR2中尝试了函数pscl以获得伪R平方但没有成功。

如何使用clm函数获得伪R平方？

非常感谢你的帮助。

Answer 1

有各种伪R ^ 2。我不喜欢使用它们中的任何一个因为我没有看到结果在现实世界中具有意义。他们不估计任何类型的效应大小，并且它们对统计推断不是特别好。此外，在这样的情况下，每个实体有多个观察，我认为“n”（主体数量）或自由度适当的值是有争议的。有些人使用McFadden的R ^ 2，它相对容易计算，因为clm生成了一个列表，其中一个值名为“logLik”。你只需要知道logLikelihood只是偏离偏差的乘法常数（-2）。如果在第一个例子中有一个模型：

 library(ordinal)
data(wine)
fm1 <- clm(rating ~ temp * contact, data = wine)
fm0 <- clm(rating ~ 1, data = wine)
( McF.pR2 <- 1 - fm1$logLik/fm0$logLik )
[1] 0.1668244

我在CrossValidated上看过这个问题，并且希望看到那些统计上更为复杂的参与者接受这个问题，但他们认为这是一个编程问题，并将其抛弃在这里。也许他们对R ^ 2作为一个有价值的指标的看法和我一样低？

Answer 2

推荐使用 rcompanion 包中的函数 nagelkerke 得到伪 r-squared。

当您的预测变量或结果变量是分类变量或有序变量时，R 平方通常会低于真正的数字数据。 R-squared 只是模型拟合的一个非常弱的指标，你不能以此为基础来选择模型。