数据分享 |
您所在的位置:网站首页 › 残差图怎么画 › 数据分享 |
原文链接:http://tecdat.cn/?p=27464
在拟合 GLM(并检查残差)之后,可以使用 z 检验一一检验估计参数的显着性,即将估计值与其标准误差进行比较。 相关视频 GLM 模型拟合和分析示例 示例 1. 小鼠数据的 GLM 建模(剂量和反应)a) 我们输入数据(查看文末了解数据获取方式)并拟合逻辑回归模型。 模型: 可以与完整模型进行比较。与偏差值 17.639 相关的 P 值 0.82(> 0.10)意味着没有显着证据拒绝拟合模型。 anova(fi.lgi)空模型不包含预测变量,在 25 个自由度 (df) 上的偏差为 35.89。当协变量 x 添加到空模型时,偏差的变化是 35.890-17.639=18.25。与自由度为 25-24=1 的卡方分布相比,其 P 值为 1.93 × 10 -5 非常显着。 因此模型不能通过删除 x 来简化。x 的系数的 t 检验也很重要(P 值 0.0065 plotx, itte(fi1log,typ"> pot(,y 图 1:逻辑回归的小鼠数据和拟合值。 点击标题查阅往期内容 R语言贝叶斯广义线性混合(多层次/水平/嵌套)模型GLMM、逻辑回归分析教育留级影响因素数据 左右滑动查看更多 01 02 03 04 b)我们拟合一个带有概率链接的模型。 配套模型: 同样,这两个参数都很重要(P 值 anova 添加 x 时偏差的变化是显着的(P 值 = 图 2:小鼠数据和拟合值(虚线:概率链接)。使用 probit 链接的模型略好于使用 logit 链接的模型,因为偏差更小。在两个模型中,x 的系数都很显着(P 值 summary(it2.it) 与偏差值 13.633 相关的 P 值为 0.034 plot(x, reid(it2.it)) 图 3:仅带有 x 的拟合模型的残差图。 plt(fitdft2lit reid(fi2lot))所以我们将 x2 添加到模型中。 > summary(ft2qlt)偏差从 13.633 减少到 5.107,不显着(P 值=0.403>0.05)。因此,我们不能通过偏差的证据来拒绝这个模型。 plot(fitted(fit2logit), resid(.logit))图 4:带有 x2 的拟合模型的残差图。 残差现在看起来是随机的。拟合模型为 并且所有参数估计值都很显着(5%)。对数几率 a) 我们输入数据并使用默认对数链接拟合泊松回归模型。 偏差 29.654 的 P 值为 0.005 summary(fi3.lg) 16.371 的偏差(P 值为 0.1279>0.10)并不显着。拟合模型 不能以偏差为由拒绝。但残差图只显示了比以前稍微随机的模式。 图 6:拟合模型 3 与 x2 的残差图 该模型可以通过使用非规范链接进行改进。 > summary(ft3st)拟合模型的残差 y = (-0.27571 +0.49277x)2 + e 显示出更加随机的模式。12 df 上的偏差 16.905 略高于之前模型的 16.371(df=11),但仍然不显着(P 值=0.1532>0.10)。AIC 较小,为 73.833 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |