我在R中有一个逻辑回归模型,其中所有预测变量都是分类变量而不是连续变量(除了响应变量,它也显然是分类/二进制)。
在调用summary(model_name)
时,有没有办法在每个因子级别中包含一个表示观察数量的列?
我在R中有一个逻辑回归模型,其中所有预测变量都是分类变量而不是连续变量。
如果所有协变量都是因子(不包括截距),这很容易,因为模型矩阵只包含0和1,而数字1表示数据中该因子水平(或交互级别)的出现。所以只做colSums(model.matrix(your_glm_model_object))
。
由于模型矩阵具有列名,colSums
将为您提供具有“名称”属性的向量,这与coef(your_glm_model_object)
的“名称”字段一致。
对于任何分布族,相同的解决方案适用于线性模型(通过lm
)和广义线性模型(通过glm
)。
这是一个简单的例子:
set.seed(0)
f1 <- sample(gl(2, 50)) ## a factor with 2 levels, each with 50 observations
f2 <- sample(gl(4, 25)) ## a factor with 4 levels, each with 25 observations
y <- rnorm(100)
fit <- glm(y ~ f1 * f2) ## or use `lm` as we use `guassian()` family object here
colSums(model.matrix(fit))
#(Intercept) f12 f22 f23 f24 f12:f22
# 100 50 25 25 25 12
# f12:f23 f12:f24
# 12 14
在这里,我们有100个观察/完整案例(在(Intercept)
下指出)。
有没有办法显示每个因子的基线水平的计数?
基线水平是对比的,因此它们不会出现在用于拟合的模型矩阵中。但是,我们可以从您的公式生成完整的模型矩阵(没有对比)而不是您的拟合模型(如果您在模型中有这些变量,这也为您提供了删除数字变量的方法):
SET_CONTRAST <- list(f1 = contr.treatment(nlevels(f1), contrast = FALSE),
f2 = contr.treatment(nlevels(f2), contrast = FALSE))
X <- model.matrix(~ f1 * f2, contrasts.arg = SET_CONTRAST)
colSums(X)
#(Intercept) f11 f12 f21 f22 f23
# 100 50 50 25 25 25
# f24 f11:f21 f12:f21 f11:f22 f12:f22 f11:f23
# 25 13 12 13 12 13
# f12:f23 f11:f24 f12:f24
# 12 11 14
请注意,当您有许多因子变量时,在设置对比时很快就会变得乏味。
model.matrix
绝对不是唯一的方法。传统方式可能是
table(f1)
table(f2)
table(f1, f2)
但是当你的模型变得复杂时,也会变得乏味。