R - glm - الخيارات الثنائية التنبؤ ،

بلدي الرابع هو ترتيبي (مقياس ليكيرت 1 إلى 5)، دف بلدي ثنائي (نعم مقابل لا). لقد حسبت غلم مع اختبار الفرق اللاحق (غلهت). أولا، كنت أتعامل مع الرابع كعدد رقمي مستمر للتأثير الكلي: datasetIV. num lt - as. numeric (داتاسيتيف) datasetDV. fac lt - as. factor (داتاسيتدف) غلموديل Lt - غلم (DV. fac IV. num، داتاداتاسيت، (glmmodel. null) أنوفا (غلمودل، glmmodel. null (غلموديل)، ثم أحسب النموذج الفارغ: glmmodel. null lt - غلم (DV. fac 1، داتاداتاسيت، بينيال) ، تستشيسك) من إيك الفرق وأنوفا () أستطيع أن أرى، أن الرابع له تأثير كلي كبير على النموذج. (الصحيح) الآن بدأت معالجة الرابع كما أمر عامل ل غلهت () من أجل البحث عن الاختلافات في المستوى في الرابع. datasetIV. ord lt - as. ordered (داتاسيتيف) glmmodel. ord lt - غلم (DV. fac IV. ord، داتاداتاسيت، فاميلي بينوميال (لينكلوجيت)) غلترسولتس lt - غلهت (glmmodel. ord، لينفتمكب (IV. ordTukey)) ملخص (غلترسولتس) هذه النتيجة الأخيرة أنا لا تحصل. في رأيي أنه لا يطابق البيانات الخام. عندما ألقي نظرة على البيانات الخام المرسومة (انظر أدناه)، لا أستطيع أن أجد أن هناك فرقا كبيرا على سبيل المثال. بين المستويات 4 و 5 من الرابع، ولكن ليس بين المستويات 1 و 5. يمكن لأي شخص نقطة على خطأ أفعل هو الإجراء غلهت الخيار الصحيح شكرا جزيلا، فلوريانجينيراليزد النماذج الخطية في R، الجزء 1: حساب احتمال التنبؤ في ثنائي الانحدار اللوجستي من قبل ديفيد ليليس، دكتوراه. العادية انحدار المربعات الأقل يوفر نماذج خطية من المتغيرات المستمرة. ومع ذلك، فإن الكثير من البيانات التي تهم الإحصائيين والباحثين ليست مستمرة، لذلك يجب استخدام أساليب أخرى لخلق نماذج تنبؤية مفيدة. تم تصميم الأمر غلم () لأداء النماذج الخطية المعممة (الانحدارات) على بيانات النتائج الثنائية، وبيانات العد، وبيانات الاحتمال، وبيانات النسبة والعديد من أنواع البيانات الأخرى. في هذا بلوق وظيفة، ونحن استكشاف استخدام رس غلم () الأمر على نوع واحد من هذه البيانات. دعونا نلقي نظرة على مثال بسيط حيث نحن نموذج البيانات الثنائية. في مجموعة بيانات متارس، يشير المتغير مقابل إذا كانت السيارة بها محرك V أو محرك مستقيم. نحن نريد أن نخلق نموذجا يساعدنا على التنبؤ باحتمال وجود سيارة لها محرك V أو محرك مستقيم نظرا لوزن 2100 رطل وتشريد المحرك من 180 بوصة مكعب. أولا نحن نلائم النموذج: نستخدم الدالة غلم ()، وتشمل المتغيرات بالطريقة المعتادة، ونحدد توزيع الخطأ ذي الحدين، كما يلي: نلاحظ من تقديرات المعاملات أن الوزن يؤثر بشكل إيجابي، في حين أن النزوح لديه تأثير سلبي قليلا. الإخراج نموذج يختلف إلى حد ما عن النموذج العادي المربعات الصغرى. وسوف أشرح الإخراج في مزيد من التفاصيل في المادة التالية، ولكن في الوقت الراهن، يتيح مواصلة مع حساباتنا. تذكر، هدفنا هنا هو حساب احتمال متوقع للمحرك الخامس، لقيم محددة من التنبؤات: وزن 2100 رطل وتشريد المحرك من 180 بوصة مكعب. وللقيام بذلك، نقوم بإنشاء إطار بيانات يدعى نيوداتا، نورد فيه القيم المطلوبة للتنبؤ. الآن نستخدم وظيفة التنبؤ () لحساب احتمال التنبؤ. نحن تشمل نوع الحجة 8221response8221 من أجل الحصول على توقعاتنا. الاحتمال المتوقع هو 0.24. لم يكن ذلك من الصعب جدا في مقالنا المقبل. وسوف أشرح أكثر عن الناتج وصلنا من غلم () وظيفة. نبذة عن الكاتب: ديفيد ليليس وقد درس R لكثير من الباحثين والإحصائيين. شركته، سيجما الاحصائيات والبحوث المحدودة. يوفر كل من التعليمات على الخط وورش العمل وجها لوجه على R، وخدمات الترميز في R. ديفيد يحمل الدكتوراه في الإحصاءات التطبيقية. تريد أن تتعلم روبية غلم وظيفة في هذه الورشة ست ساعات. سوف تعلم كيفية استخدام غلم () لتحديد الانحدار اللوجستي بروبيت، بواسون الانحدارات ثنائية الحدين السلبية، وانحدارات غاما .. وتشمل الخيارات المحددة لكل واحد. الوظائف ذات الصلةنماذج خطيية عامة انظر مساعدة (غلم) لخيارات النمذجة الأخرى. راجع المساعدة (العائلة) لوظائف الروابط الأخرى المسموح بها لكل أسرة. سيتم تغطية ثلاثة أنواع فرعية من النماذج الخطية المعممة هنا: الانحدار اللوجستي، الانحدار بواسون، وتحليل البقاء على قيد الحياة. الانحدار اللوجستي يعتبر الانحدار اللوجستي مفيدا عندما تتنبأ بنتيجة ثنائية من مجموعة متغيرات التنبؤ المستمرة. وكثيرا ما يفضل على تحليل الوظائف التمييزية بسبب افتراضاته الأقل تقييدا. انحدار لوجستي حيث F هو عامل ثنائي و x1-x3 هي تنبؤات متواصلة تتناسب مع النتائج (كونفيرت) (F) x1x2x3 و داتاميداتا و فاميبينوميال () (سيتينت (تناسب)) 95 سي للمعاملات الأسية التنبؤ (فيت، تايبوتريسبونسكوت) القيم المتوقعة بقايا (تناسب، تايبكوتديفيانسكوت) بقايا x، البيانات ميداتا) عرض مؤامرة الكثافة المشروطة من النتيجة الثنائية F على x المستمر متغير. بواسون الانحدار بواسون الانحدار مفيد عند التنبؤ متغير النتيجة يمثل التهم من مجموعة من المتغيرات التنبؤ المستمر. بواسون الانحدار حيث العد هو العد و x1-x3 هي تنبؤات مستمرة تناسب النتائج (عرض x1x2x3، داتاميداتا، فاميليبواسون ()) (تناسب) عرض النتائج إذا كان لديك أوفيرديسبرزيون (انظر ما إذا كان الانحراف المتبقي أكبر بكثير من درجات الحرية )، قد تحتاج إلى استخدام كواسيبويسون () بدلا من بواسون (). تحليل البقاء على قيد الحياة تحليل البقاء على قيد الحياة (وتسمى أيضا تحليل تاريخ الحدث أو تحليل الموثوقية) يغطي مجموعة من التقنيات لنمذجة الوقت لهذا الحدث. قد تكون البيانات خاضعة للرقابة الصحيحة - قد لا يكون الحدث قد وقع بنهاية الدراسة أو قد يكون لدينا معلومات غير مكتملة عن الملاحظة ولكن نعرف أنه حتى وقت معين لم يحدث الحدث (على سبيل المثال، خرج المشارك من الدراسة في الأسبوع 10 ولكن كان حيا في ذلك الوقت). في حين أن النماذج الخطية المعممة يتم تحليلها عادة باستخدام الدالة غلم ()، يتم تنفيذ بقاء أناليس عادة باستخدام وظائف من حزمة البقاء على قيد الحياة. حزمة البقاء على قيد الحياة يمكن التعامل مع واحد واثنين من المشاكل عينة، نماذج الفشل تسارع حدودي، ونموذج كوكس النسبي المخاطر. يتم إدخال البيانات عادة في وقت بدء التنسيق. وقت التوقف. والحالة (حدث 1event، 0event لم يحدث). بدلا من ذلك، قد تكون البيانات في وقت تنسيق الحدث والحالة (حدث 1event، 0event لم يحدث). وتشير الحالة 0 إلى أن الملاحظة صحيحة. يتم تجميع البيانات في كائن سورف عبر وظيفة سورف () قبل مزيد من التحليلات. يتم استخدام سورفيت () لتقدير توزيع البقاء على قيد الحياة لمجموعة واحدة أو أكثر. سورفيف () للاختبارات في توزيعات البقاء على قيد الحياة بين مجموعتين أو أكثر. كوسب () نماذج وظيفة الخطر على مجموعة من متغيرات التنبؤ. مايو عيادة عيادة سرطان الرئة (البقاء على قيد الحياة) تعرف على مساعدة مجموعة البيانات (الرئة) إنشاء كائن سورف سوبوبج lt - مع (الرئة، سورف (الوقت والحالة)) مؤامرة توزيع البقاء على قيد الحياة من العينة الإجمالية مقدر كابلان-ميرت fit0 lt - سورفيت (سوبوبج 1، داتالونغ) ملخص (fit0) مؤامرة (fit0، زلابكوتسرفيفال الوقت في دايسكوت، يلبكوت سورفيفينغكوت، yscale100، مينكوتسرفيفال ديستريبوتيون (أوفيرال) كوت) مقارنة بقاء توزيعات الرجال والنساء fit1 lt - سورفيت (فيوت 1، زلابكوتورفيفال الوقت في دايسكوت، يلبكوت سورفيفينغكوت، yscale100، كولك (كوتريدكوت، كوتلويكوت)، مينكوتسرفيفال توزيعات حسب الجنس) أسطورة (كوتوبرايكوت، تيتلكوتجندركوت، c (كوتاليكوت، كوتيماليكوت)، فيلك (كوتريدكوت، كوتلويكوت)) اختبار الفرق بين منحنيات الذكور والإناث على قيد الحياة (اختبار لوغرانك) سورفيف (سورفوبج التنبؤ بقاء الذكور من العمر والدرجات الطبية ماليمود lt - كوكسف (سورفوبج ageph. ecogph. karnopat. karno، داتالونغ، الفرعية setex1) عرض النتائج ماليمود تقييم افتراض المخاطر النسبي cox. zph (ماليمود) انظر توماس لومليس R المادة الإخبارية على حزمة البقاء على قيد الحياة لمزيد من المعلومات. وتشمل مصادر جيدة أخرى ماي زوس استخدام R البرمجيات للقيام تحليل البقاء على قيد الحياة والمحاكاة و M. J. كراوليس الفصل على تحليل البقاء على قيد الحياة. لممارسة