R de olabilirlik oranı testi

Farz edelim ki birkaç bağımsız değişkende tek değişkenli bir lojistik regresyon yapacağım, bunun gibi:

mod.a <- glm(x ~ a, data=z, family=binominal("logistic"))
mod.b <- glm(x ~ b, data=z, family=binominal("logistic"))

Bu komutla modelin null modelden daha iyi olup olmadığını görmek için bir model karşılaştırma yaptım (olasılık oranı testi).

1-pchisq(mod.a$null.deviance-mod.a$deviance, mod.a$df.null-mod.a$df.residual)

Sonra içindeki tüm değişkenleri olan başka bir model kurdum

mod.c <- glm(x ~ a+b, data=z, family=binomial("logistic"))

Çok değişkenli modelde değişkenin istatistiksel olarak anlamlı olup olmadığını görmek için, lrtestkomutunu kullandım.epicalc

lrtest(mod.c,mod.a) ### see if variable b is statistically significant after adjustment of a
lrtest(mod.c,mod.b) ### see if variable a is statistically significant after adjustment of b

pchisqMetot ve lrtestmetodun mantık testi yapmakla aynı olup olmadığını merak ediyorum. lrtestUnivate lojistik modeli için nasıl kullanılacağını bilmiyorum .

Temel olarak, evet, log olasılığındaki doğru farkı kullanmanız koşuluyla:

> library(epicalc)
> model0 <- glm(case ~ induced + spontaneous, family=binomial, data=infert)
> model1 <- glm(case ~ induced, family=binomial, data=infert)
> lrtest (model0, model1)
Likelihood ratio test for MLE method 
Chi-squared 1 d.f. =  36.48675 , P value =  0 
> model1$deviance-model0$deviance
[1] 36.48675

ve her iki durumda da aynı olan boş modele olan sapma . Df sayısı, iki iç içe model arasında farklılık gösteren parametre sayısıdır, burada df = 1. Btw, lrtest()sadece yazarak kaynak koduna bakabilirsiniz

> lrtest

R isteminde.

Bir alternatif, tek bir modeli kabul eden lmtestbir lrtest()işleve sahip olan pakettir . İşte gelen örnek ?lrtestiçinde lmtestbir LM içindir paketin ama yöntemler GLMs ile bu işe vardır:

> require(lmtest)
Loading required package: lmtest
Loading required package: zoo
> ## with data from Greene (1993):
> ## load data and compute lags
> data("USDistLag")
> usdl <- na.contiguous(cbind(USDistLag, lag(USDistLag, k = -1)))
> colnames(usdl) <- c("con", "gnp", "con1", "gnp1")
> fm1 <- lm(con ~ gnp + gnp1, data = usdl)
> fm2 <- lm(con ~ gnp + con1 + gnp1, data = usdl)
> ## various equivalent specifications of the LR test
>
> ## Compare two nested models
> lrtest(fm2, fm1)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ gnp + gnp1
  #Df  LogLik Df  Chisq Pr(>Chisq)    
1   5 -56.069                         
2   4 -65.871 -1 19.605  9.524e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
>
> ## with just one model provided, compare this model to a null one
> lrtest(fm2)
Likelihood ratio test

Model 1: con ~ gnp + con1 + gnp1
Model 2: con ~ 1
  #Df   LogLik Df  Chisq Pr(>Chisq)    
1   5  -56.069                         
2   2 -119.091 -3 126.04  < 2.2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1