Question

我使用nnet包中的multinom()函数在R中运行多项逻辑回归.nnet包不包括p值计算和t统计量计算。我找到了一种使用来自this page的双尾z检验来计算p值的方法。举一个计算multinom logit的测试统计量的例子（不是真正的t-stat，而是等价物）我计算了Wald的统计量：

mm<-multinom(Empst ~ Agegroup + Marst + Education + State, 
             data = temp,weight=Weight)
W <- (summary(mm1)$coefficients)^2/(summary(mm1)$standard.errors)^2

我取系数的平方并除以系数标准误差的平方。然而，似然比检验是逻辑回归拟合优度的优选度量。由于对似然函数的理解不完全，我不知道如何编写将计算每个系数的似然比统计的代码。使用multinom()函数的输出计算每个系数的似然比统计量的方法是什么？谢谢你的帮助。

Answer 1

我从@jolisber的响应中提取了一个函数，以便任何人都可以执行此操作并将值存储在df中。好吧，我将完整的字符向量存储在df中。

likehoodmultinom2 <- function(model_lmm) 
{

  i <- 1
  values<- c("No funciona") 

  for (var in model_lmm$coefnames[-1]) { # Qutiamos el -1 de coefnames para no obener un NA

  values[i] =(paste(var, "--", lrtest(model_lmm, var)[[5]][2]))
  i=i+1

  }
  return (values)
}

但是我无法获得第一个元素（变量）的p值。我不知道为什么。而且我不能忽略model_lmm $ coefnames中的[-1]。已编辑。我将i = 0编辑为i = 1；忘了R个向量从那个：D开始。

希望这对所有人都有用：D

编辑2

也做了1个，所以它可以存储在df中。

likehoodmultinom_p <- function(model_lmm) 
{

  i <- 1

  variables <-c("No funciona")
  values <- c("No funciona") 


  for (var in model_lmm$coefnames[-1]) { 

  variables[i] =paste(var)
  values[i]= lrtest(model_lmm, var)[[5]][2]
  i=i+1
   ## Contributed to stack at: 
  }
  return (data.frame(variables,values))
}

Answer 2

让我们看看使用Sepal.Length（分类变量）和Species（连续变量）从虹膜数据集预测Petal.Length。让我们首先使用model.matrix将我们的因子变量转换为多个二进制变量并构建我们的神经网络：

library(nnet)
data(iris)
mat <- as.data.frame(model.matrix(~Species+Petal.Length+Sepal.Length, data=iris))
mm <- multinom(Sepal.Length~.+0, data=mat, trace=F)

现在我们可以在模型中对变量进行似然比检验：

library(lmtest)
lrtest(mm, "Speciesversicolor")
# Likelihood ratio test
# 
# Model 1: Sepal.Length ~ `(Intercept)` + Speciesversicolor + Speciesvirginica + 
#     Petal.Length + 0
# Model 2: Sepal.Length ~ `(Intercept)` + Speciesvirginica + Petal.Length - 
#     1
#   #Df  LogLik  Df  Chisq Pr(>Chisq)
# 1 136 -342.02                      
# 2 102 -346.75 -34 9.4592          1

要对所有变量运行似然比检验，我猜你可以使用循环并为每个变量名运行。我在这个循环中只提取了p值。

for (var in mm$coefnames[-1]) {
  print(paste(var, "--", lrtest(mm, var)[[5]][2]))
}
# [1] "Speciesversicolor -- 0.999990077592342"
# [1] "Speciesvirginica -- 0.998742545590864"
# [1] "Petal.Length -- 3.36995663002528e-14"

Answer 3

使用car包中的library(nnet) data(iris) mm <- multinom(Species ~ ., data=iris, trace=F) ### car package library(car) Anova(mm)函数进行模型中每个术语的似然比检验。

if [ 10 -gt $a ]
...

使用nnet包评估R中多项logit的拟合优度

3 个答案: