使用R进行逻辑回归

Question

使用R进行逻辑回归

rstatisticslogistics

3

我现在正在使用R进行逻辑回归，但是似乎无法得到许多有用的模型拟合统计信息。我正在寻找类似于SAS的指标：

http://www.ats.ucla.edu/stat/sas/output/sas_logit_output.htm

有人知道我可以使用哪些软件包来提取这些统计数据吗？

谢谢。

- josephmisiti

请注意，还有一个网站 http://stats.stackexchange.com/ - NPE

2

不完全是重复，但肯定是相关和相关的：http://stackoverflow.com/questions/3439248/logistic-regression-in-r-sas-like-output - joran

链接中的所有统计数据都可以以某种方式获得...你具体要找什么？此外，R有各种进行回归分析的方法，这些方法取决于您的数据格式，因此如果您在问题中提供您所寻找的内容、数据样本甚至是您现在分析的方式，将为您提供更好的答案。 - John

你能否在你的问题中更具体地说明拟合优度统计量？我在浏览列表时注意到的仅有AIC、BIC（SC）和对数似然，这些在R中非常容易计算/显示。你能确认一下吗？或者还有其他的统计量（例如Nagelkerke's R^2等）吗？ - Ben Bolker

具体而言，我正在寻找AIC、对数似然比（LR）、自由度（DF）、LR DF、LR Pr > Chi Sq用于截距和回归系数。 - josephmisiti

好的。有点让人烦恼的是，你一开始没有说清楚，因为当你说你想要“有用的模型拟合”统计数据时，那不是我推断出来的... - Ben Bolker

3个回答

5

当涉及到逻辑回归时，带有"binomial"参数的glm函数是最常用的函数。因素对比的默认处理方式不同。R使用treatment对比，而SAS则使用sum对比。你可以在R-help上查找这些技术问题。在过去的十年中，它们已经被讨论了很多次。

我看到Greg Snow在'rms'中提到了lrm。它有一个优点，就是被'rms'方法套件中的其他几个函数支持。我也会使用它，但学习rms包可能需要额外的时间。我没有看到可以创建类似SAS输出的选项。

如果您想在类似问题上比较软件包，则UCLA StatComputing页面还有另一资源：http://www.ats.ucla.edu/stat/r/dae/default.htm，其中展示了SPSS、SAS、Stata和R中大量的方法。

- IRTFM

3

实际上，SAS也使用处理对比；不同的是，它将最后一个水平作为参考水平，而不是第一个。您可以在R中使用options(contrasts=c("contr.SAS", "contr.poly"))来获得类似SAS的行为。 - Hong Ooi

@Hong Doi。感谢您的纠正。是SPSS使用总和对比吗？ - IRTFM

2

使用rms包中的lrm函数可能会给您所需的输出结果。

- Greg Snow

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Ben Bolker · Accepted Answer

这是一个泊松回归的例子：

## from ?glm:
d.AD <- data.frame(counts=c(18,17,15,20,10,20,25,13,12),
      outcome=gl(3,1,9),
      treatment=gl(3,3))
glm.D93 <- glm(counts ~ outcome + treatment,data = d.AD, family=poisson())

现在定义一个函数，使用相同的响应、家族等拟合仅截距模型，计算摘要统计信息，并将它们组合成表格（矩阵）。下面update命令中的公式.~1表示“重新拟合具有相同响应变量的模型[由左手边波浪线上的点表示]，但只有一个截距项[由右手边波浪线上的1表示]”。

glmsumfun <- function(model) {
   glm0 <- update(model,.~1)  ## refit with intercept only
   ## apply built-in logLik (log-likelihood), AIC,
   ##  BIC (Bayesian/Schwarz Information Criterion) functions
   ## to models with and without intercept ('model' and 'glm0');
   ## combine the results in a two-column matrix with appropriate
   ## row and column names
   matrix(c(logLik(glm.D93),BIC(glm.D93),AIC(glm.D93),
           logLik(glm0),BIC(glm0),AIC(glm0)),ncol=2,
     dimnames=list(c("logLik","SC","AIC"),c("full","intercept_only")))
}

现在应用这个函数：

glmsumfun(glm.D93)

结果：

            full intercept_only
logLik -23.38066      -26.10681
SC      57.74744       54.41085
AIC     56.76132       54.21362

编辑:

anova(glm.D93,test="Chisq") 方法提供了一个顺序的差异分析表，其中包含df、偏差（=-2对数似然值）、剩余df、剩余偏差和似然比检验（卡方检验）的p值。
drop1(glm.D93) 方法提供了每个单项删除的AIC值（df、偏差等），drop1(glm.D93,test="Chisq") 方法还提供了LRT检验p值。