<\/p>\n
Anda dapat menggunakan metode berikut untuk mengekstrak koefisien regresi dari fungsi glm()<\/strong> di R:<\/span><\/p>\n Metode 1: ekstrak semua koefisien regresi<\/strong><\/span><\/p>\n Metode 2: Ekstrak koefisien regresi untuk variabel tertentu<\/strong><\/span><\/p>\n Metode 3: Ekstrak semua koefisien regresi dengan standar error, nilai Z dan nilai P<\/strong><\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan metode ini dalam praktik.<\/span><\/p>\n Misalkan kita memasang model regresi logistik<\/a> menggunakan kumpulan data default<\/strong> dari paket ISLR<\/strong> :<\/span><\/p>\n Kita dapat mengetik model$coefisien<\/strong> untuk mengekstrak semua koefisien regresi dari model:<\/span><\/p>\n Kita juga dapat mengetikkan model$coefisien[‘keseimbangan’]<\/strong> untuk mengekstrak koefisien regresi untuk variabel keseimbangan<\/strong> saja:<\/span><\/span><\/p>\n Untuk menampilkan koefisien regresi beserta kesalahan standarnya, nilai z, dan nilai p<\/a> , kita dapat menggunakan koefisien ringkasan(model)$<\/strong> sebagai berikut:<\/span><\/p>\n Kami juga dapat mengakses nilai tertentu dalam keluaran ini.<\/span><\/p>\n Misalnya, kita dapat menggunakan kode berikut untuk mengakses nilai p dari variabel saldo<\/b> :<\/span><\/p>\n Atau kita dapat menggunakan kode berikut untuk mengakses nilai p untuk setiap koefisien regresi:<\/span><\/p>\n Nilai P ditampilkan untuk setiap koefisien regresi dalam model.<\/span><\/p>\n Anda dapat menggunakan sintaks serupa untuk mengakses nilai apa pun di output.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n Cara melakukan regresi linier sederhana di R<\/a> Anda dapat menggunakan metode berikut untuk mengekstrak koefisien regresi dari fungsi glm() di R: Metode 1: ekstrak semua koefisien regresi model$coefficients Metode 2: Ekstrak koefisien regresi untuk variabel tertentu model$coefficients[‘ my_variable ‘] Metode 3: Ekstrak semua koefisien regresi dengan standar error, nilai Z dan nilai P summary(model)$coefficients Contoh berikut menunjukkan cara menggunakan metode ini dalam […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n model$coefficients\n<\/strong><\/pre>\n
model$coefficients[' my_variable<\/span> ']<\/strong><\/pre>\n summary(model)$coefficients<\/strong><\/pre>\n
Contoh: ekstrak koefisien regresi dari glm() di R<\/strong><\/span><\/h2>\n
#load dataset\n<\/span>data <- ISLR::Default\n\n#view first six rows of data\n<\/span>head(data)\n\n default student balance income\n1 No No 729.5265 44361.625\n2 No Yes 817.1804 12106.135\n3 No No 1073.5492 31767.139\n4 No No 529.2506 35704.494\n5 No No 785.6559 38463.496\n6 No Yes 919.5885 7491.559\n\n#fit logistic regression model\n<\/span>model <- glm(default~student+balance+income, family=' binomial<\/span> ', data=data)\n\n#view summary of logistic regression model\n<\/span>summary(model)\n\nCall:\nglm(formula = default ~ student + balance + income, family = \"binomial\", \n data = data)\n\nDeviance Residuals: \n Min 1Q Median 3Q Max \n-2.4691 -0.1418 -0.0557 -0.0203 3.7383 \n\nCoefficients:\n Estimate Std. Error z value Pr(>|z|) \n(Intercept) -1.087e+01 4.923e-01 -22.080 < 2e-16 ***\nstudentYes -6.468e-01 2.363e-01 -2.738 0.00619 ** \nbalance 5.737e-03 2.319e-04 24.738 < 2e-16 ***\nincome 3.033e-06 8.203e-06 0.370 0.71152 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\n(Dispersion parameter for binomial family taken to be 1)\n\n Null deviance: 2920.6 on 9999 degrees of freedom\nResidual deviance: 1571.5 on 9996 degrees of freedom\nAIC: 1579.5\n\nNumber of Fisher Scoring iterations: 8<\/strong><\/pre>\n #extract all regression coefficients\n<\/span>model$coefficients\n\n (Intercept) studentYes balance income \n-1.086905e+01 -6.467758e-01 5.736505e-03 3.033450e-06\n<\/strong><\/pre>\n #extract coefficient for 'balance'\n<\/span>model$coefficients[' balance<\/span> ']\n\n<\/span><\/span>balance \n0.005736505\n<\/strong><\/pre>\n #view regression coefficients with standard errors, z values and p-values\n<\/span>summary(model)$coefficients\n\n Estimate Std. Error z value Pr(>|z|)\n(Intercept) -1.086905e+01 4.922555e-01 -22.080088 4.911280e-108\nstudentYes -6.467758e-01 2.362525e-01 -2.737646 6.188063e-03\nbalance 5.736505e-03 2.318945e-04 24.737563 4.219578e-135\nincome 3.033450e-06 8.202615e-06 0.369815 7.115203e-01<\/strong><\/pre>\n #view p-value for balance variable\n<\/span>summary(model)$coefficients[' balance<\/span> ', ' Pr(>|z|)<\/span> ']\n\n[1] 4.219578e-135\n<\/strong><\/pre>\n #view p-value for all variables\n<\/span>summary(model)$coefficients[, ' Pr(>|z|)<\/span> ']\n\n (Intercept) studentYes balance income \n4.911280e-108 6.188063e-03 4.219578e-135 7.115203e-01 \n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara melakukan regresi linier berganda di R<\/a>
Bagaimana melakukan regresi logistik di R
Bagaimana melakukan regresi kuadrat di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"