有序多项式回归中的残差和图

Question

我需要根据有序多项Logit回归绘制带有拟合与残差值的分级残差图。

使用polr时如何提取残差？是否还有其他函数可以运行多项logit，其中可以提取残差？

这是我使用的代码

options(contrasts = c("contr.treatment", "contr.poly"))
mod1 <- polr(as.ordered(y) ~ x1 + x2 + x3, data, method='logistic')

fit <- mod1$fitted.values
res <- residuals(mod1)
binnedplot(fit, res)

问题是对象'res'是'null'。

由于

Answer 1

首先，您能告诉我们对于具有分类响应的模型，如何定义残差原则？ fitted.values是概率矩阵。您可以根据正确的预测定义残差（将最可能的结果定义为预测，如predict对象的默认polr方法） - 或者您可以计算n-by-n表真值和预测值。或者，您可以将序数数据减少回整数，并计算平均结果作为预测...但我看不出有任何独特的方法来定义残差。

Answer 2

在polr（）中，没有返回残差的函数。您应该使用其定义手动计算它。

Answer 3

实际上有很多方法可以从序数 probit/logit 中获取残差。尽管 polr 不提供任何残差，但 vglm 提供了几个。请参阅 ?residualsvglm 包中的 VGAM（另见下文）。

注意：但是，对于控制函数/2SRI 方法，Wooldridge (2014) 建议使用 Vella (1993) 中描述的广义残差。据我所知，这些目前在 R 中不可用，虽然 I am working on that，但它们在 Stata 中（使用 predict gr, score）

VLGM 中的残差

polr 的替代残差

您可以使用包 sure (link)，通过 resids 计算代理残差。该软件包基于 this paper，美国统计协会杂志。

library(sure) # for residual function and sample data sets
library(MASS) # for polr function

df1 <- df1
df1$x1 <- df1$x
df1$x <- NULL
df1$y <- df2$y
df1$x2 <- df2$x
df1$x3 <- df3$x

options(contrasts = c("contr.treatment", "contr.poly"))
mod1 <- polr(as.ordered(y) ~ x1 + x2 + x3, data=df1, method='probit')

fit <- mod1$fitted.values
res <- resids(mod1)

编辑：一个大问题如下（来自?resids）：

"注意：代理残差需要从连续分布中采样；因此，每次调用 resids 的结果都会不同。当 method = "latent" 时，用于从截断分布中采样的内部函数基于修改rtrunc 和 qtrunc 的版本。”

即使运行 resids(mod1, nsim=1000, method="latent")，结果也没有收敛。