Question

关于R中逻辑回归的快速问题。假设我使用Cell.size和Cell.shape作为预测因子拟合BreastCancer数据集的逻辑回归，以预测患者是良性还是恶性。

library(mlbench)
data(BreastCancer)
data1<- BreastCancer
levels(data1$Class)<- c(0,1) # binary outcome
data1<- data.frame(sapply(data1, as.numeric)) #converting from factors to num
data1$Class<- data1$Class-1
mylogit1<- glm(Class~Cell.size+Cell.shape, data=data1, family="binomial")

这会给我一个确切的模型：Y = -5.4771 + 0.7672 * Cell.size + 0.8223 * Cell.shape预测患者＆＃39; class（我会使用1 /（1 + exp（-Y）作为相应的风险）。

现在我想修复此模型并尝试添加新变量Cl.thickness。我的目标是以

的形式将逻辑回归与基数拟合

Y = -5.4771 + 0.7672 * Cell.size + 0.8223 * Cell.shape + a + b * Cl.thickness

其中a，b是我想要估算的参数。

我怎样才能在R中这样做？这不是我想要修复拦截但我想修复模型的某些部分。谢谢！

Answer 1

通常会更新公式并再次运行模型：

update(mylogit1, . ~ . + Cl.thickness)

但是如果你真的想修复系数那么

update(mylogit1, . ~ Cl.thickness + offset(predict(mylogit1)))

在逻辑回归中将变量添加到固定模型

1 个答案: