Kiểm tra tỷ lệ khả năng trong R

Giả sử tôi sẽ thực hiện một hồi quy logistic đơn biến trên một số biến độc lập, như sau:

mod.a <- glm(x ~ a, data=z, family=binominal("logistic"))
mod.b <- glm(x ~ b, data=z, family=binominal("logistic"))

Tôi đã thực hiện một so sánh mô hình (kiểm tra tỷ lệ khả năng) để xem liệu mô hình có tốt hơn mô hình null bằng lệnh này không

1-pchisq(mod.a$null.deviance-mod.a$deviance, mod.a$df.null-mod.a$df.residual)

Sau đó, tôi đã xây dựng một mô hình khác với tất cả các biến trong đó

mod.c <- glm(x ~ a+b, data=z, family=binomial("logistic"))

Để xem biến có ý nghĩa thống kê trong mô hình đa biến hay không, tôi đã sử dụng lrtestlệnh từepicalc

lrtest(mod.c,mod.a) ### see if variable b is statistically significant after adjustment of a
lrtest(mod.c,mod.b) ### see if variable a is statistically significant after adjustment of b

Tôi tự hỏi nếu pchisqphương pháp và lrtestphương pháp là tương đương để làm kiểm tra loglikabilities? Như tôi không biết làm thế nào để sử dụng lrtestcho mô hình logistic univate.

Về cơ bản, có, miễn là bạn sử dụng sự khác biệt chính xác về khả năng đăng nhập:

> library(epicalc)
> model0 <- glm(case ~ induced + spontaneous, family=binomial, data=infert)
> model1 <- glm(case ~ induced, family=binomial, data=infert)
> lrtest (model0, model1)
Likelihood ratio test for MLE method 
Chi-squared 1 d.f. =  36.48675 , P value =  0 
> model1$deviance-model0$deviance
[1] 36.48675

và không phải là độ lệch cho mô hình null giống nhau trong cả hai trường hợp. Số lượng df là số lượng tham số khác nhau giữa hai mô hình lồng nhau, ở đây df = 1. BTW, bạn có thể xem mã nguồn lrtest()bằng cách chỉ cần gõ

> lrtest

tại dấu nhắc R.

Một thay thế là lmtestgói, có một lrtest()chức năng chấp nhận một mô hình duy nhất. Dưới đây là ví dụ từ ?lrtesttrong lmtestgói, dành cho LM nhưng có các phương thức hoạt động với GLM:

> require(lmtest)
Loading required package: lmtest
Loading required package: zoo
> ## with data from Greene (1993):
> ## load data and compute lags
> data("USDistLag")
> usdl <- na.contiguous(cbind(USDistLag, lag(USDistLag, k = -1)))
> colnames(usdl) <- c("con", "gnp", "con1", "gnp1")
> fm1 <- lm(con ~ gnp + gnp1, data = usdl)
> fm2 <- lm(con ~ gnp + con1 + gnp1, data = usdl)
> ## various equivalent specifications of the LR test
>
> ## Compare two nested models
> lrtest(fm2, fm1)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ gnp + gnp1
  #Df  LogLik Df  Chisq Pr(>Chisq)    
1   5 -56.069                         
2   4 -65.871 -1 19.605  9.524e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
>
> ## with just one model provided, compare this model to a null one
> lrtest(fm2)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ 1
  #Df   LogLik Df  Chisq Pr(>Chisq)    
1   5  -56.069                         
2   2 -119.091 -3 126.04  < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1