Question

我在R工作，其响应变量是学生在特定课程中收到的字母等级。答案是有序的，在我看来，似乎在逻辑上是成比例的。我的理解是，在使用polr（）而不是multinom（）之前，我需要测试它是否成比例。

对于我的一个数据课程，我测试了＃34;像这样的比例：

M1 <- logLik(polrModel)  #'log Lik.' -1748.180691 (df=8)
M2 <- logLik(multinomModel)  #'log Lik.' -1734.775727 (df=20)
G <- -2*(M1$1 - M2$2)) #I used a block bracket here in the real code
# 26.8099283
pchisq(G,12,lower.tail = FALSE) #DF is #of predictors
#0.008228890393     #THIS P-VAL TELLS ME TO REJECT PROPORTIONAL

对于测试比例赔率假设的第二种方法，我还运行了两个vglm模型，一个使用family=cumulative(parallel =TRUE)，另一个使用family=cumulative(parallel =FALSE)。然后，我使用模型的差异进行pchisq()测试＆＃39;偏差和剩余自由度的差异。

这些方式中的任何一种都是可敬的吗？如果没有，我会很乐意帮助确定是否接受比例赔率假设的实际编码！

除了上述两个测试之外，我还分别绘制了针对每个预测变量的累积概率。我读到我希望这些线是平行的。我不明白的是，polr()你的输出是每个自变量（系数）的单一斜率，然后是一个特定的截距，取决于你使用的累积概率（例如：P（Y＆lt） ; = A），P（Y <= B）等）。那么，如果每个方程的斜率系数都相同，那么这些线怎么不平行呢？

我学习了关于Chris Bilder的YouTube课程的基础知识;他谈到了平行图here at minute 42。

任何帮助表示赞赏！谢谢！

Answer 1

您的方法基本上是正确的。我从Fox的“应用回归的一个R和S-PLUS伴侣”中获得了以下代码。第5章：拟合广义线性模型。第155-189页。请在使用代码时引用本书的章节。本章还有一个关于图形的部分。

rm(list = ls())
library(car)
library(nnet)
library(xlsx)
library(MASS)
options(warn=1)
options(digits = 3)
#
Trial <- read.xlsx("Trial.xls", "Sheet 1")
# Set up an out file structure
sink("Testing_adequacy_of_Prop_odds.txt")
# Trial$Outcome is assessed on a six point scale 0-5
schtyp_M_M.f <- factor(Trial$Outcome, labels = c("M0", "M1", "M2", "M3", "M4", "M5"))
#
cat("Multinomial logistic regression \n")
# Assign takes on a value of 1 (Treatment) or 0 (Control) 
mod.multinom <-multinom(schtyp_M_M.f~Assign, data = Trial)
print(summary(mod.multinom, cor=F, Wald=T))
x1<-logLik(mod.multinom)
cat("Degrees of freedom Multinomial logistic regression \n")
print(df_of_multinom_model <- attributes(x1)$df)
cat("Proportional odds logistic regression\n")
mod.polr <- polr(schtyp_M_M.f ~ Assign, data=Trial)
print(summary(mod.polr))
x2<-logLik(mod.polr)
cat("Degrees of freedom Proportional Odds Logistic Regression \n")
print(df_of_polr_model <- attributes(x2)$df)

cat("Answering the question: Is proportional odds model assumption violated\n")
cat("P value for difference in AIC between POLR and Multinomial Logit model\n")
# abs since the values could be negative. That is negative difference of degrees of freedom would produce p=NaN
print(1-pchisq(abs(mod.polr$deviance-mod.multinom$deviance),   abs(df_of_multinom_model-df_of_polr_model)))
sink()

测试R中的比例赔率假设

1 个答案: