r glm 예제

패밀리 함수에 대한 링크를 지정하여 패밀리의 기본 링크 함수를 변경할 수 있습니다. 예를 들어 응답 변수가 음수가 아닌 경우 분산이 평균에 비례하는 경우 “정체성” 링크를 “quasipoisson” 패밀리 함수와 함께 사용합니다. 이 기능은 sister 함수 add1고려할 추가 용어를 정의하는 범위가 필요하므로 지정됩니다. 이 예제에서는 가능한 모든 2단계 상호 작용을 고려합니다. 이 페이지에서 예제를 실행하기 전에 로드할 수 있는지 확인합니다. 패키지가 설치되어 있지 않은 경우 install.packages(“패키지 이름”)를 실행하거나 버전이 최신 버전이 아닌 경우 update.packages()를 실행합니다. 이러한 함수 중 일부에는 선택적 인수가 있습니다. 예를 들어 ” 편차”, “pearson”, “응답”(응답 – 장착 값) “작업”(IRLS 알고리즘의 작업 종속 변수 – 선형 예측변수) 및 “부분”(작업 잔차 행렬)이라고 하는 다섯 가지 유형의 잔차를 추출할 수 있습니다. 모델의 각 용어를 생략하여 형성됩니다). 형식 인수를 사용 하 여 원하는 것을 지정 합니다(예: 잔류(lrfit, type=”pearson”).

R은 p-값에 따라 1개, 2개 또는 3개의 별으로 중요한 계수를 표시하는 인기 있는 관습을 따릅니다. 플롯(lrfit)을 시도합니다. 선형 모델과 동일한 플롯을 얻지만 일반화된 선형 모델에 맞게 조정됩니다. 예를 들어 플롯된 잔차는 편차 잔차(원시 잔차와 동일한 부호를 가진 편차에 대한 관측값 기여도의 제곱근)입니다. 일반화된 선형 모델(GLM)은 응답 변수의 범위가 제한되거나 분산이 일정하지 않거나 일반적으로 분산되지 않은 경우에 유용합니다. GLM 모델은 응답 변수를 변환하여 피팅을 최소 제곱으로 수행할 수 있도록 합니다. 응답 변수에서 수행되는 변환은 링크 함수에 의해 정의됩니다. 이러한 응답 변환은 응답 변수의 범위를 제한할 수 있습니다.

분산 함수는 평균과의 분산 관계를 지정합니다. R 패밀리에서는 모델 맞춤에 사용되는 분산 및 링크 함수를 지정합니다. 예를 들어 패밀리 푸아송은 “log” 링크 함수와 “(mu)”를 분산 함수로 사용합니다. GLM 모델은 수식과 패밀리 모두에 의해 정의됩니다. 에소프, 추론 및 predict.glm에는 피팅 이항 글렘의 예가 있습니다. 이 문서에서는 일반화된 선형 모델(GLM)에 대한 링크 및 분산 함수를 지정합니다. 이 문서에서는 바이너리, 푸아송, 준포이니어 및 음수 이항 모델에 대한 예제 모델을 제공합니다. 또한 이 문서에서는 GLM 모델의 분산 가정을 검사하는 진단 방법을 제공합니다. GLM 모델을 사용하여 분산이 정의된 분산 함수 중 하나에 비례하는 데이터에 맞출 수도 있습니다. 이것은 준 가족과 함께 이루어집니다. Pearson의 (chi^2)는 준 패밀리의 분산을 배율조정하는 데 사용됩니다.

예를 들어 분산이 평균에 비례하는 데이터입니다. 이것은 “준시포이슨” 패밀리를 사용합니다. 이렇게 하면 푸아시온 분산 데이터에 대해 (1mu) 대신 (alpha mu)의 분산 함수가 생성됩니다. 준 패밀리는 분산이 비례하는 경우 데이터가 과도하게 분산되거나 분산될 때 추론을 수행할 수 있습니다. 모델을 수정하려는 경우 특수 함수 업데이트를 사용하는 것이 좋습니다. 예를 들어 나이를 삭제하려면:noMore 우리의 모델에서 상호 작용 하나 사용할 수 있습니다 일부 분석가 매개 변수 당 더 높은 페널티를 선호.