Question

我有这个数据集，我在R中进行逻辑回归。我有几个关于输出的问题，这可能是由于我对统计数据和R缺乏了解而导致的问题，然后是关于基于p-减少模型的问题。电流输出值。

我给出的命令是：

model = glm(col1 ~ 1+(col2+col3+col4+col5+col6+col7)^2, family=binomial, data=ds)
summary(model)

列包含以下数据

col1 has values of 0 and 1
col2 is an integer
col3 is an integer
col4 is an integer
col5 has values of horrible, bad, good, excellent
col6 has values of a, b, c
col7 has values of true and false

系数和p值输出的一部分

col1            0.2824
col2            0.3457
col3            0.7845
col4            0.1451
col5horrible        0.0541*
col5bad         0.5641
col5excellent       0.2354
col6a           0.0025**
col6b           0.6245
col7TRUE        0.4145
col1:col2       0.0124*
col1:col3       0.8401
col1:col4       0.3154
col1:col5horrible   0.0054**
col1:col5bad        0.2149
col1:col5excellent  0.0035**
col1:col6a      0.2487
col1:col6b      0.0354*
col1:col7TRUE       0.5647

我注意到的第一件事是对于col5，col6和col7，输出不仅仅是col1，col2，col3和col4的列名，而是ColnameValue。我注意到的第二件事是，对于将值附加到列名称的列，并非所有可能的值都附加到列名称，但实际上col5，col6和col7都缺少一个值。 / p>

理解的问题

glm函数中的~1是什么？我之前没有见过1，所以不知道怎么读。
为什么列值会附加到摘要输出中的列名？
为什么列的所有可能值都没有附加到列名称中附加了某些值的列名？

代码问题

我想减少模型以确定它是否可以更好地适应。建议是从当前模型中删除超过某个p值的预测变量。这是我到目前为止所做的，但是一旦我有了列名以及如何将ColnameValue列放入模型中，我不确定下一步该做什么。

p=coef(summary(model))[,4]
colnames=names(p[p<0.1])
colnames

colnames output

"col5horrible"
"col6a"
"col1:col5horrible"
"col1:col5excellent"
"col1:col6b"

我的下一步是什么？或者有更好的方法吗？如何处理值附加到列名称的事实？

修改

根据下面schalange发布的答案，我在R中查找了虚拟变量。在post上有几种创建虚拟变量的方法。对于非数字列：col5，col6和col7，它们都有一组预定义的值，我运行了函数createDummyFeatures，然后在原始模型出来的列上运行glm，其中p值为＆lt; 0.1。这是根据系数的p值减少原始模型的正确方法吗？

install.packages("mlr")
library(mlr)

ds<-createDummyFeatures(ds, cols = "col5")
ds<-createDummyFeatures(ds, cols = "col6")
ds<-createDummyFeatures(ds, cols = "col7")

model2 = glm(col1 ~ 1+(col5.horrible + col6.a +col5.excellent + col6.b))
summary(model2)

Answer 1

首先，在估算模型之前，您应该更加确定变量的真正含义。 R试图估计变量的系数。当列的“值”“可怕”时，这很难做到。那么R做了什么（哪个是明智的做法），它将那些列5,6和7视为因子/作为虚拟变量。（你可能想谷歌，你会发现很多信息。）基本思想是，例如，True和False是不同的数据组。 R估计与您提到的每个组的截距相对应的内容。但是，这只能针对每列的k-1类别进行，这是因为您只有TRUE值，但不是FALSE（谷歌虚拟陷阱）。我不能确定，因为我没有关于团体性质的任何细节，但在极少数情况下，你不能保持可怕而不保留其他两个，优秀和坏。将它们视为组或名称，而不是值。

最后一件事：如果你想要一个更好拟合的模型（意味着它可以解释更多的方差，R ^ 2更高），减少变量不是要走的路，它会让你的模型不太精确。然而，它仍然可以是一种改进，因为低于某个阈值的事物是重要的决定因素，并且您可以相对确定它们具有真正的效果。互联网提供了大量的东西来帮助你解决p值。

根据以前的模型输出

1 个答案: