Question

我有一个包含一些缺失值的数据集（在自变量上）。我正在安装一个glm模型：

f.model=glm(data = data, formula = y~x1 +x2, "binomial", na.action =na.omit )

在这个模型之后，我想要'null'模型，所以我使用了update：

n.model=update(f.model, . ~ 1)

这似乎有效，但两个模型中的观测数量不同（f.model n = 234; n.model n = 235）。因此，当我尝试估算似然比时，我会收到错误：Number of observation not equal!!。

问：如何更新模型以便考虑缺失值？

Answer 1

尽管na.action =na.omit没有解决NA问题有点奇怪。我决定过滤掉数据。

library(epicalc) # for lrtest

vars=c(“y”, “x1”, “x2”) #variables in the model
n.data=data[,vars] #filter data

f.model=glm(data = data, formula = y~x1 +x2, binomial)

n.model=update(f.model, . ~ 1)

LR= lrtest(n.model,f.model)

如果某人有更好的解决方案或论证方式na.action与update结合导致不平等的观察，那么您的答案或解决方案非常受欢迎！

如何在拟合后更新包含NA的glm模型？错误观察次数不相等

1 个答案: