如何从R中nlme包中使用gls拟合的模型计算伪R平方

Question

我使用nlme中的gls拟合了这个模型：

require(nlme)

set.seed(101)
mp <-data.frame(year=1990:2010)
N <- nrow(mp)

mp <- within(mp,
     {
         wav <- rnorm(N)*cos(2*pi*year)+rnorm(N)*sin(2*pi*year)+5
         wow <- rnorm(N)*wav+rnorm(N)*wav^3
     })

m01 <- gls(wow~poly(wav,3), data=mp, correlation = corARMA(p=1))

我希望能够计算适合度的任何测量，例如伪R平方：哪一种是推荐的？如何计算？

谢谢。

- Leosar

Answer 1

您需要有某种基准来进行比较：

> summary(m01)
Generalized least squares fit by REML
  Model: wow ~ poly(wav, 3) 
  Data: mp 
       AIC      BIC    logLik
  226.5434 231.5427 -107.2717

 m01 <- gls(wow~1, data=mp, correlation = corARMA(p=1))
> summary(m01)
Generalized least squares fit by REML
  Model: wow ~ 1 
  Data: mp 
       AIC     BIC    logLik
  256.5048 259.492 -125.2524

非线性拟合的问题在于均值不再是“基线”，而这正是R平方度量所假定的。

- IRTFM

---

这是否意味着，使用模型m00 <- gls(wow~1, data=mp, correlation = corARMA(p=1))作为基准的@Leosar的答案是计算McFaddens伪R²的明智方法？ - yenats

我怀疑不是这样的。我怀疑他和我都无法用可靠的统计论据回答这个问题。我知道线性混合模型没有易于解释的GOF方法：请参见此问答 https://stats.stackexchange.com/questions/37944/what-are-easy-to-interpret-goodness-of-fit-measures-for-linear-mixed-effects-mo - IRTFM

另一方面，当您查看?rcompanion::naglekerke时（由另一个回答者建议），似乎这些类别的模型被认为是公平竞争的，但需要注意该帮助页面中的所有警告，特别是不将它们视为真实的GOF结果和“拟合模型和零模型应嵌套正确。也就是说，其中一个的术语需要是另一个的子集，并且它们应具有相同的观察集。由于@Leosar的示例符合嵌套条件，因此可能符合要求。 - IRTFM

Answer 2

这里有一些伪R平方的内容。

R2 <- cor(mp$wow,predict(m01))^2

R2

R2.1 <- 1 - with(mp, (sum((wow-predict(m01))^2)/sum((wow-mean(wow))^2)))

R2.1

麦克法登伪R2

m00 <- gls(wow~1, data=mp, correlation = corARMA(p=1))

R2.n <- 1-(as.numeric(logLik(m01)/logLik(m00)))

R2.n

但我不知道哪种方法更适合评估这种模型的拟合程度。

- Leosar

---

嗨，在这里有一些更多的伪R2及其解释。干杯 - Rafael

Answer 3

rcompanion::nagelkerke () 函数计算三个不同的伪R²值。该函数接受通过 nlme::gls 拟合的模型。

- yenats

Answer 4

summary(m01) 应该可以给你想要的东西，假设我正确理解了你的问题？??fit 将为你提供更多建议。

- Eric Fail

---

@DWin，说得好。我猜应该使用help.search("fit", package = "nlme")。 - Eric Fail