我有一个带有多项式响应变量和连续预测变量的数据集，并试图找出每个响应类别的每个预测变量的AIC，F，p值和解释方差的比例变量，以便找到最佳预测模型。我正在使用函数multinom（来自nnet）和stepAIC（来自MASS），虽然我似乎能够获得最佳模型及其AIC，但我不明白如何获得单个变量AIC，F，p值和解释方差的比例。
我正在使用的代码是：
datetime我对统计数据和R都很陌生，所以如果有任何明显的错误/答案，请原谅我！
答案 0 :(得分：0)
我记得，我认为multinom输出并未提供您要求的所有内容。其中一些可以从模型的组件中计算出来。 broom包有一种方法可以总结多项式回归的结果。 （确保从GitHub安装版本）
#* Using example data from the broom::tidy.multinom function
library(devtools)
install_github("drgtwo/broom")
fit.gear <- multinom(gear ~ mpg + factor(am), data=mtcars)
tidy(fit.gear)
glance(fit.gear)
您从glance输出获得的AIC。您不会从多项回归得到F统计量，但您可以从tidy输出（它实际上只是系数/ se）和相关的p值得到Z统计量。
anova个对象没有任何可比较的multinom输出，因此我不知道如何告诉您解释的差异。除了传统的方差分析和线性回归模型之外，我很少使用解释的方差作为模型拟合的度量。