多元统计分析及R语言建模-第5章广义与一般线性模型

最新推荐文章于 2025-01-02 10:30:51 发布

原创

最新推荐文章于 2025-01-02 10:30:51 发布 · 5.7k 阅读

20 ·

CC 4.0 BY-SA版权

本文介绍了R语言中广义线性模型（GLM）的使用，特别是glm()函数，用于构建逻辑回归模型。通过实例展示了如何进行模型参数检验、预测以及绘制逻辑回归曲线。同时，还探讨了对数线性模型，并提供了一个案例分析，展示如何利用GLM解决实际问题。

# 第5章广义与一般线性模型

# 广义线性模型函数glm()的用法
glm(formula, family=gaussian, data, ...)
# formula为公式，即为要拟合的模型
# family为分布族，包括正态分布（Guassian）、二项分布（Binomial）、
# 泊松分布（Poisson）和伽马分布（Gamma）
# data为可选择的数据框

# logistic实例
nk <- read.table("clipboard", header=T)
attach(nk)
y <- cbind(k, n-k)
# 构建逻辑回归模型
glm.logit <- glm(y~x, family=binomial)
# 模型参数检验
summary(glm.logit)
# 应用模型来进行预测
pre <- predict(glm.logit, data.frame(x=3.5))
p <- exp(pre)/(1+exp(pre))
x1 <- -glm.logit$coef[[1]]/glm.logit$coef[[2]]

# 画出logistic回归曲线
d <- seq(0,5,len=100); d
pre <- predict(glm.logit, data.frame(x=d))
p <- exp(pre)/(1+exp(pre))
y1 <- k/n
plot(x,y1); lines(d,p)

# 例5-2
d5.2 <- read.table("clipboard",header=T); attach(d5.2)
logit.glm <- glm(y~x1+x2+x3, family=binomial, data=d5.2)
summary(logit.glm)
logit.s