Question

我有96个观察（患者）和1098个变量（基因）的数据框。响应是二进制（Y和N），预测变量是数字。我正在尝试执行留一交叉验证，但我的兴趣不是标准误差，而是来自LOOCV创建的每个95逻辑回归模型的每个变量的p值。这些是我迄今为止的尝试：

#Data frame 96 observations 1098 variables
DF2

fit <- list()

for (i in 1:96){
  df <- DF2[-i,]
 fit[[i]] <- glm (response ~., data= df, family= "binomial")
 }
 model_pvalues <- data.frame(model = character(), p_value = numeric())

此输出适合作为包含16个元素的大型列表和30个：$系数，$ residuals，$ fitted.values ....

尝试1：

for (i in length(fit)){ 
  model_pvalues <- rbind(model_pvalues, coef(summary(fit[[i]])))
}

此输出到＆＃34; model_pvalues＆＃34; 95个观测值（截距和94个变量）和4个变量：Estimate，Std。错误，z值，Pr（＆gt; | z |）。然而，我真正想要得到的是所有1097个变量的p值，对于通过一个交叉验证构建的95个模型。

尝试2：

for (i in length(fit)){ 
  model_pvalues <- rbind(model_pvalues, coef(summary(fit[[i]]))[4])
}

当我运行这个时，我会得到一个数字（不确定从哪里开始，假设有一个beta）。

尝试3：

for (i in 1:96){
  df <- DF2[-i,]
  fit[[i]] <- glm (response ~., data= df, family= "binomial")
  model_pvalues <- rbind(model_pvalues, coef(summary(fit[[i]])))
}

当我运行这个时，我得到了1520个4变量观测数据框：Estimate，Std。错误，z值，Pr（＆gt; | z |）。观察以（拦截）开始，然后是82个变量。之后，它用（Intercept1）和相同的82个变量重复这个模式，直到（Intercept15）。

所以我的最终目标是通过LOOCV创建95个模型，并获得所有模型中使用的所有1097个变量的p值。非常感谢任何帮助！

编辑：示例数据（1098变量的实际DF 96观测值）

  Response  X1  X2  X3  X4  X5  X6  X7  X8  X9  X10

P1  N       1   1   1   0   1   0   1   0   2    2
P2  N       2   1   1   0   2   2   1   2   2    2
P3  N       2   1   2   1   1   0   1   1   0    1
P4  Y       1   1   2   0   1   0   0   1   1    1
P5  N       2   2   1   1   1   0   0   0   1    1
P6  N       2   1   2   1   1   0   0   0   2    1
P7  Y       2   1   1   0   2   0   0   0   2    0
P8  Y       2   1   1   0   2   0   0   1   0    2
P9  N       1   1   1   0   2   0   0   0   1    0
P10 N       2   1   2   1   1   0   1   0   0    2

Answer 1

对于n观察（实际数据为96，示例数据为10）和p变量（实际数据为1098，示例数据为10），下面的代码应提取p排{p}值的n列矩阵。我觉得有必要警告你，试图适应n<<p案例（相对于参数数量的极少观察）很可能具有极差的统计特性，甚至可能是不可能的，除非你使用像惩罚这样的技术回归......这也可能是为什么估计中缺少这么多参数的原因（即你只得到了可能的1097个变量中的94个） - 特别是因为你的表达模式很简单（只有0,1，或者2），大量的参数是共线的，不能联合估计（你应该在原始模型中看到很多NA）。

获取示例数据：

DF2 <- read.table(row.names=1,header=TRUE,text="
Resp. X1  X2  X3  X4  X5  X6  X7  X8  X9  X10
P1  N   1   1   1   0   1   0   1   0   2   2
P2  N   2   1   1   0   2   2   1   2   2   2
P3  N   2   1   2   1   1   0   1   1   0   1
P4  Y   1   1   2   0   1   0   0   1   1   1
P5  N   2   2   1   1   1   0   0   0   1   1
P6  N   2   1   2   1   1   0   0   0   2   1
P7  Y   2   1   1   0   2   0   0   0   2   0
P8  Y   2   1   1   0   2   0   0   1   0   2
P9  N   1   1   1   0   2   0   0   0   1   0
P10 N   2   1   2   1   1   0   1   0   0   2")

适合模特

n <- nrow(DF2)
fit <- vector(mode="list",n) ## best to pre-allocate objects
for (i in 1:n) {
  df <- DF2[-i,]
  fit[[i]] <- glm (Resp. ~., data= df, family= "binomial")
}

在这种情况下，我们必须小心提取p值，因为由于共线性，其中一些缺失 - R在系数向量中留下NA（coef()）对于非估计参数，但不会在摘要中类似地填充系数表的行。

tmpf <- function(x) {
    ## extract coef vector - has NA values for collinear terms
    ## [-1] is to drop the intercept
    r1 <- coef(x)[-1]
    ## fill in values from p-value vector; leave out intercept with -1,
    r2 <- coef(summary(x))[-1,"Pr(>|z|)"]
    r1[names(r2)] <- r2
    return(r1)
}
pvals <- sapply(fit,tmpf)

当然，对于玩具示例，所有p值基本上等于1 ...

## round(pvals,4)
##       [,1]   [,2]   [,3]   [,4]   [,5]   [,6]   [,7]   [,8]   [,9]  [,10]
## X1  0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9999 0.9998 0.9999 0.9998
## X2  0.9999 0.9999 0.9999 0.9999     NA 0.9999 0.9999 0.9999 0.9999 0.9999
## X3  0.9999 0.9999 0.9999 0.9999 0.9999 0.9998 0.9999 0.9999 0.9999 0.9999
## X4  0.9998 0.9998 0.9998     NA 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
## X5      NA 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000     NA 1.0000
## X6  0.9999     NA 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
## X7  1.0000 1.0000 1.0000 1.0000 1.0000     NA 1.0000 1.0000 1.0000 1.0000
## X8  1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
## X9  1.0000 1.0000     NA 1.0000 1.0000 1.0000     NA     NA 1.0000     NA
## X10     NA     NA     NA     NA     NA     NA     NA     NA     NA     NA

从R中的一次性输出得到p值

1 个答案: