Question

我想做一个MAM，但我很难删除一些术语：

 full.model<-glm(SSB_sq~Veg_height+Bare+Common+Birds_Foot+Average_March+Average_April+
Average_May+Average_June15+Average_June20+Average_June25+Average_July15
+Average_July20+Average_July25,family="poisson") 
summary(full.model)

我相信我必须删除这些条款才能启动MAM：

  model1<-update(full.model,~.-Veg_height:Bare:Common:Birds_Foot:Average_March
:Average_April:Average_May:Average_June15:Average_June20:Average_June25:
Average_July15:Average_July20:Average_July25,family="poisson")
summary(model1)
anova(model1,full.model,test="Chi")

但我得到了这个输出：

anova(model1,full.model,test="Chi")
Analysis of Deviance Table

Model 1: SSB_sq ~ Veg_height + Bare + Common + Birds_Foot + Average_March + 
    Average_April + Average_May + Average_June15 + Average_June20 + 
    Average_June25 + Average_July15 + Average_July20 + Average_July25
Model 2: SSB_sq ~ Veg_height + Bare + Common + Birds_Foot + Average_March + 
    Average_April + Average_May + Average_June15 + Average_June20 + 
    Average_June25 + Average_July15 + Average_July20 + Average_July25
  Resid. Df Resid. Dev Df Deviance P(>|Chi|)
1       213     237.87                      
2       213     237.87  0        0

我已经尝试在model1而不是冒号中添加加号，因为我在阅读笔记时抓着吸管但是同样的事情发生了。

为什么我的模特都一样？我试过在Google上搜索，但我对术语不是很擅长，所以我的搜索量并没有提高。

Answer 1

如果我正确地阅读了您的意图，您是否正在尝试使用没有条件的空模型？如果是这样，更简单的方法就是使用SSB_sq ~ 1作为公式，这意味着只有截距的模型。

fit <- lm(sr ~ ., data = LifeCycleSavings)
fit0 <- lm(sr ~ 1, data = LifeCycleSavings)
## or via an update:
fit01 <- update(fit, . ~ 1)

例如：

> anova(fit)
Analysis of Variance Table

Response: sr
          Df Sum Sq Mean Sq F value    Pr(>F)    
pop15      1 204.12 204.118 14.1157 0.0004922 ***
pop75      1  53.34  53.343  3.6889 0.0611255 .  
dpi        1  12.40  12.401  0.8576 0.3593551    
ddpi       1  63.05  63.054  4.3605 0.0424711 *  
Residuals 45 650.71  14.460                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
> anova(fit, fit0)
Analysis of Variance Table

Model 1: sr ~ pop15 + pop75 + dpi + ddpi
Model 2: sr ~ 1
  Res.Df    RSS Df Sum of Sq      F    Pr(>F)    
1     45 650.71                                  
2     49 983.63 -4   -332.92 5.7557 0.0007904 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

我使用的公式的解释：

第一个模型使用了快捷.，这意味着参数data中的所有剩余变量（在我的模型中，它表示公式的RHS中LifeCycleSavings中的所有变量，除了已经在LHS上的sr。
在第二个模型（fit0）中，我们只在公式的RHS中包含1。在R中，1表示截距，因此sr ~ 1表示适合仅限拦截模型。默认情况下，假定拦截，因此在指定第一个模型1时我们不需要fit。
如果您想抑制拦截，请在公式中添加- 1或+ 0。

对于您的数据，第一个模型将是：

full.model <- glm(SSB_sq ~ ., data = FOO, family = "poisson")

其中FOO是保存变量的数据框 - 您使用的是数据框，不是吗？ null，intercept-only模型将使用以下之一指定：

null.model <- glm(SSB_sq ~ 1, data = FOO, family = "poisson")

或

null.model <- update(full.model, . ~ 1)

R在执行MAM时不删除术语

1 个答案: