<\/p>\n
\u00c8 possibile utilizzare i seguenti metodi per estrarre i coefficienti di regressione dalla funzione glm()<\/strong> in R:<\/span><\/p>\n Metodo 1: estrai tutti i coefficienti di regressione<\/strong><\/span><\/p>\n Metodo 2: estrarre il coefficiente di regressione per una variabile specifica<\/strong><\/span><\/p>\n Metodo 3: estrarre tutti i coefficienti di regressione con errore standard, valore Z e valore P<\/strong><\/span><\/p>\n L’esempio seguente mostra come utilizzare questi metodi nella pratica.<\/span><\/p>\n Supponiamo di adattare un modello di regressione logistica<\/a> utilizzando il set di dati predefinito<\/strong> dal pacchetto ISLR<\/strong> :<\/span><\/p>\n Possiamo digitare model$coefficients<\/strong> per estrarre tutti i coefficienti di regressione dal modello:<\/span><\/p>\n Possiamo anche digitare model$coefficients[‘balance’]<\/strong> per estrarre il coefficiente di regressione solo per la variabile balance<\/strong> :<\/span><\/span><\/p>\n Per visualizzare i coefficienti di regressione insieme ai relativi errori standard, valori z e valori p<\/a> , possiamo utilizzare i coefficienti summary(model)$<\/strong> come segue:<\/span><\/p>\n Possiamo anche accedere a valori specifici in questo output.<\/span><\/p>\n Ad esempio, possiamo utilizzare il seguente codice per accedere al valore p della variabile Balance<\/b> :<\/span><\/p>\n Oppure potremmo usare il seguente codice per accedere al valore p per ciascuno dei coefficienti di regressione:<\/span><\/p>\n I valori P vengono visualizzati per ciascun coefficiente di regressione nel modello.<\/span><\/p>\n \u00c8 possibile utilizzare una sintassi simile per accedere a qualsiasi valore nell’output.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come eseguire una regressione lineare semplice in R<\/a> \u00c8 possibile utilizzare i seguenti metodi per estrarre i coefficienti di regressione dalla funzione glm() in R: Metodo 1: estrai tutti i coefficienti di regressione model$coefficients Metodo 2: estrarre il coefficiente di regressione per una variabile specifica model$coefficients[‘ my_variable ‘] Metodo 3: estrarre tutti i coefficienti di regressione con errore standard, valore Z e valore […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n model$coefficients\n<\/strong><\/pre>\n
model$coefficients[' my_variable<\/span> ']<\/strong><\/pre>\n summary(model)$coefficients<\/strong><\/pre>\n
Esempio: estrai i coefficienti di regressione da glm() in 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 Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire la regressione lineare multipla in R<\/a>
Come eseguire la regressione logistica in R
Come eseguire la regressione quadratica in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"