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。