Jak wyodrębnić współczynniki regresji z glm() w r

Do wyodrębnienia współczynników regresji z funkcji glm() w R można użyć następujących metod:

Metoda 1: wyodrębnij wszystkie współczynniki regresji

 model$coefficients

Metoda 2: Wyodrębnij współczynnik regresji dla określonej zmiennej

 model$coefficients[' my_variable ']

Metoda 3: Wyodrębnij wszystkie współczynniki regresji z błędem standardowym, wartością Z i wartością P

 summary(model)$coefficients

Poniższy przykład pokazuje, jak zastosować te metody w praktyce.

Przykład: wyodrębnij współczynniki regresji z glm() w R

Załóżmy, że dopasowujemy model regresji logistycznej przy użyciu domyślnego zbioru danych z pakietu ISLR :

 #load dataset
data <- ISLR::Default

#view first six rows of data
head(data)

  default student balance income
1 No No 729.5265 44361.625
2 No Yes 817.1804 12106.135
3 No No 1073.5492 31767.139
4 No No 529.2506 35704.494
5 No No 785.6559 38463.496
6 No Yes 919.5885 7491.559

#fit logistic regression model
model <- glm(default~student+balance+income, family=' binomial ', data=data)

#view summary of logistic regression model
summary(model)

Call:
glm(formula = default ~ student + balance + income, family = "binomial", 
    data = data)

Deviance Residuals: 
    Min 1Q Median 3Q Max  
-2.4691 -0.1418 -0.0557 -0.0203 3.7383  

Coefficients:
              Estimate Std. Error z value Pr(>|z|)    
(Intercept) -1.087e+01 4.923e-01 -22.080 < 2e-16 ***
studentYes -6.468e-01 2.363e-01 -2.738 0.00619 ** 
balance 5.737e-03 2.319e-04 24.738 < 2e-16 ***
income 3.033e-06 8.203e-06 0.370 0.71152    
---
Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 2920.6 on 9999 degrees of freedom
Residual deviance: 1571.5 on 9996 degrees of freedom
AIC: 1579.5

Number of Fisher Scoring iterations: 8

Możemy wpisać model$cooperatives , aby wyodrębnić wszystkie współczynniki regresji z modelu:

 #extract all regression coefficients
model$coefficients

  (Intercept) studentYes balance income 
-1.086905e+01 -6.467758e-01 5.736505e-03 3.033450e-06

Możemy także wpisać model$cooperatives[’balance’], aby wyodrębnić współczynnik regresji tylko dla zmiennej bilansowej :

 #extract coefficient for 'balance'
model$coefficients[' balance ']

balance 
0.005736505

Aby wyświetlić współczynniki regresji wraz z ich błędami standardowymi, wartościami z i wartościami p , możemy użyć współczynników podsumowania(modelu)$ w następujący sposób:

 #view regression coefficients with standard errors, z values and p-values
summary(model)$coefficients

                 Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.086905e+01 4.922555e-01 -22.080088 4.911280e-108
studentYes -6.467758e-01 2.362525e-01 -2.737646 6.188063e-03
balance 5.736505e-03 2.318945e-04 24.737563 4.219578e-135
income 3.033450e-06 8.202615e-06 0.369815 7.115203e-01

Możemy również uzyskać dostęp do określonych wartości na tym wyjściu.

Na przykład możemy użyć następującego kodu, aby uzyskać dostęp do wartości p zmiennej bilansowej :

 #view p-value for balance variable
summary(model)$coefficients[' balance ', ' Pr(>|z|) ']

[1] 4.219578e-135

Możemy też użyć poniższego kodu, aby uzyskać dostęp do wartości p dla każdego ze współczynników regresji:

 #view p-value for all variables
summary(model)$coefficients[, ' Pr(>|z|) ']

  (Intercept) studentYes balance income 
4.911280e-108 6.188063e-03 4.219578e-135 7.115203e-01 

Wartości P są wyświetlane dla każdego współczynnika regresji w modelu.

Możesz użyć podobnej składni, aby uzyskać dostęp do dowolnej wartości na wyjściu.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe zadania w języku R:

Jak wykonać prostą regresję liniową w R
Jak wykonać wielokrotną regresję liniową w R
Jak przeprowadzić regresję logistyczną w R
Jak wykonać regresję kwadratową w R