R语言广义线性模型

１.广义线性模型和glm（）函数

广义线性模型扩展了线性模型的框架，它包含了非正态因变量的分析。

广义线性模型通过拟合响应变量的条件均值的一个函数（不是响应变量的条件均值），假设响应变量服从指数分布族中的某个分布（并不仅限于正态分布），极大地扩展了标准线性模型。模型参数估计的推导依据的是极大似然估计，而非最小二乘法。

（1）与glm（）连用的函数

函数

描述

summary

展示拟合模型的细节

Coefficients（）、coef（）

列出拟合模型的参数（截距项和斜率）

Confint（）

给出模型参数的置信（默认为95%）

Residuals（）

列出拟合模型的残差值

Anova（）

生成两个拟合模型的方差分析表

Plot（）

生成评价拟合模型的诊断图

Predict（）

用拟合模型对新数据集进行预测

（2）模型拟合和回归诊断

当评价模型的适用性时，可以绘制初始响应变量的预测值与残差的图形

Eg：

Plot(predict(model,type=”response”),residuals(model,type=”deviance”))

R中列出帽子（hat value）、学生化残差值和Cook距离统计量的近似值

对于识别异常点的阈值，并没有统一答案，都是通过相互比较来进行判断的

可绘制各统计量的参考图，然后找出异常大的值

 Eg

Plot(hatvalues(models))

Plot(rstudent(model))

Plot(cooks.distance(model))

 

还可以：

Library(car)

InfluencePlot(model)

２.  Logistic回归

（1）Logistic

当通过一系列连续型和/或类别型预测变量来预测二值型结果变量时，Logistic回归是一个非常有用的工具。

Eg:

AER包中的数据框Affairs为例

install.packages("AER")library(AER)data(Affairs,package="AER")summary(Affairs)Affairs$ynaffair[Affairs$affairs>0]<-1Affairs$ynaffair[Affairs$affairs==0]<-0Affairs$ynaffair<-factor(Affairs$ynaffair,levels=c(0,1),labels=c("No","Yes"))table(Affairs$ynaffair)fit.full<-glm(ynaffair~gender+age+yearsmarried+children+religiousness+education+occupation+rating,data=Affairs,family=binomial())summary(fit.full)

fit.reduced<-glm(ynaffair~age+yearsmarried+religiousness+rating,data=Affairs,family=binomial())summary(fit.reduced)

新模型的每个回归系数都非常显著，由于两模型嵌套，故可以使用anova（）函数对它们进行比较，对于广义线性回归，可用卡方检验。

anova(fit.reduced,fit.full,test="Chisq")

（2）解释模型参数

先看回归系数

coef(fit.reduced)

因对数优势化解释性差，故可对结果进行指数化

exp(coef(fit.reduced))

若有需要还可使用confit（）函数获取系数的置信区间

（3）评价预测变量对结果概率的影响

使用predict（）观察某个预测变量在各个水平时对结果概率的影响

testdata<-data.frame(rating=c(1,2,3,4,5),age=mean(Affairs$age),                     yearsmarried=mean(Affairs$yearsmarried),                     religiousness=mean(Affairs$religiousness))testdatatestdata$prob<-predict(fit.reduced,newdata=testdata,type="response")testdata

testdata<-data.frame(rating=mean(Affairs$rating),                     age=seq(17,57,10),                     yearsmarried=mean(Affairs$yearsmarried),                     religiousness=mean(Affairs$religiousness))testdatatestdata$prob<-predict(fit.reduced,newdata=testdata,type="response")testdata

（4）过度离势

所谓过度离势，即观测到的响应变量的方差大于期望的二项分布的方差。

过度离势会导致奇异的标准误检验和不精确的显著性检验

当出现过度离势时，仍可使用glm（）函数拟合Logistic回归，但此时需要将二项分布必为类二项分布（quasibinomial distribution）

 

检测过度离势的一种方法是比较二项分布模型的残差偏差与自由度，若比值：r=残差偏差/残差自由度　，比１大很多，便认为是存在过度离势。

 

还可对过度离势进行检验：需拟合模型两次，第一次使用family="binomial"，第二次使用family="quasibinomial"

fit<-glm(ynaffair~age+yearsmarried+religiousness+rating,family=binomial(),data=Affairs)fit.od<-glm(ynaffair~age+yearsmarried+religiousness+rating,family=quasibinomial(),data=Affairs)pchisq(summary(fit.od)$dispersion*fit$df.residual,fit$df.residual,fit$df.residual,lower=F)

（5）扩展

R中扩展的Logistic回归和变种如下所示：

稳健Logistic回归：robust包中的glmRob（）函数可用来拟合稳健的广义纯属模型，包括稳健Logistic回归；当拟合回归模型数据出现离群点和强影响点时，稳健Logistic思贤如渴便可泒上用场。

多项式回归：若响应变量包含两个以上的无序类别，便可使用mlogit包中的mlogit（）函数拟合多项Logistic回归；

序数Logistic回归：若响应变量是一有序的类别，便可使用rms包中的lrm（）函数拟合Logistic回归

3.泊松回归

当通过一系列连续型和/或类别型预测变量来预测计数型结果变量时，泊松回归是一个非常有用的工具。

利用robust 包中的Breslow癫痫数据

install.packages("robust")library(robust)data(breslow.dat,package="robust")names(breslow.dat)summary(breslow.dat[c(6:8,10)])opar<-par(no.readonly=TRUE)par(mfrow=c(1,2))attach(breslow.dat)hist(sumY,breaks=20,xlab="Seizure Count",main="Distribution of Seizures")boxplot(sumY~Trt,xlab="Treatment",main="Group Comparisons")par(opar)

fit<-glm(sumY~Base+Age+Trt,data=breslow.dat,family=poisson())summary(fit)

（1）解释模型参数

使用coef（）函数可获取模型系数，或调用summary（）函数的输出结果中的Coefficients表格

coef(fit)exp(coef(fit))

与Logistic回归中的指数化参数相似，泊松模型中的指数化参数对响应变量的影响都是成倍增加的，而不是线性相加。

（2）过度离势

泊松分布的方差和均值相等，当响应变量观测的方差比根据汽枪颁预测的方差在时，泊松回归可能发生过度离势。

可能发生过度离势的原因有如下几个：

遗漏了某个重要的预测变量；

可能因为事件相关；

在纵向数据分析中，重复测量的数据由于内在群聚特性可导致过度离势。此处暂不讨论纵向泊松模型。

与Logisitic回归类似，此处如果残差偏差与残差自由度的给远远大于1，则表明存在过度离势。

qcc包提供了一个对泊松模型过度离势的检验方法

install.packages("qcc")library(qcc)qcc.overdispersion.test(breslow.dat$sumY,type="poisson")

p<0.05，进一步表明确实存在过度离势。

通过用family="quasipoisson"替换family="poisson"，仍可使用glm（）函数对该数据进行拟合，与Logistic回归中处理过度离势的方法是相同的。

fit.od<-glm(sumY~Base+Age+Trt,data=breslow.dat,family=quasipoisson())summary(fit.od)

（3）扩展

R提供了基本汽枪回归模型的一些有用扩展，包括允许时间段变化、存在过多0时会自动修正的模型，以及当数据存在离群点和强影响点时有用的稳健模型。

时间段变化的泊松回归

fit<-glm(sumY~Base+Age+Trt,data=breslow.dat,offset=log(time),family=poisson())

零膨胀的泊松回归

在一个数据集中，0计数的数目时常比用泊松模型预测的数目多。当总体的一个子群体无任何被计数的行为时，就可能发生这种情况。

稳健泊松回归

robust包中的glmRob（）函数可拟合稳健广义线性模型，包含稳健泊松回归。当存在离群点和强影响点时，该方法很有效。