- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
两个 R 函数,multinom
(包 nnet
)和 mlogit
(包 mlogit
)可用于多项逻辑回归。但是为什么这个例子返回系数的 p 值的不同结果?
#prepare data
mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv")
mydata$rank <- factor(mydata$rank)
mydata$gre[1:10] = rnorm(10,mean=80000)
#multinom
:
test = multinom(admit ~ gre + gpa + rank, data = mydata)
z <- summary(test)$coefficients/summary(test)$standard.errors
# For simplicity, use z-test to approximate t test.
pv <- (1 - pnorm(abs(z)))*2
pv
# (Intercept) gre gpa rank2 rank3 rank4
# 0.00000000 0.04640089 0.00000000 0.00000000 0.00000000 0.00000000
#mlogit
:
mldata = mlogit.data(mydata,choice = 'admit', shape = "wide")
mlogit.model1 <- mlogit(admit ~ 1 | gre + gpa + rank, data = mldata)
summary(mlogit.model1)
# Coefficients :
# Estimate Std. Error t-value Pr(>|t|)
# 1:(intercept) -3.5826e+00 1.1135e+00 -3.2175 0.0012930 **
# 1:gre 1.7353e-05 8.7528e-06 1.9825 0.0474225 *
# 1:gpa 1.0727e+00 3.1371e-01 3.4195 0.0006274 ***
# 1:rank2 -6.7122e-01 3.1574e-01 -2.1258 0.0335180 *
# 1:rank3 -1.4014e+00 3.4435e-01 -4.0697 4.707e-05 ***
# 1:rank4 -1.6066e+00 4.1749e-01 -3.8482 0.0001190 ***
multinorm
和
mlogit
有那么不同吗?我想这是因为我使用
mydata$gre[1:10] = rnorm(10,mean=80000)
添加了异常值.如果异常值是不可避免的问题(例如在基因组学、代谢组学等中),我应该使用哪个 R 函数?
最佳答案
作为替代方案,您可以使用 broom
, 输出 multinom
的整洁格式类模型。
library(broom)
tidy(test)
data.frame
使用 z 统计量和 p 值。
tidy
文档以获取更多信息。
关于r - R : multinom in nnet package result different from mlogit in mlogit package? 中的多项逻辑回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42048872/
我希望新的 marginaleffects 包支持 R 的 nnet::multinom 函数,但是 marginaleffects::predictions()依赖于建模包提供的 predict()
我有相对大量的数据,它具有80列和大约220、000行 当我尝试使用nnet的multinom()函数对无序多分类数据执行多项逻辑回归时,该函数似乎在100次迭代后停止: # weights: 32
我正在尝试运行以下指定的多项式回归,并通过 stargazer 将表格作为 html 获取: ml1 <- multinom(as.factor(stabgroupsTH) ~ factor
我正在尝试使用特定值计算预测概率,但 R 显示以下错误: Error in model.frame.default(Terms, newdata, na.action = na.omit, xlev
我有一个需要分类的 3 类问题。我想在 nnet 中使用多项逻辑回归包裹。 Class 结果有 3 个因素,P、Q、R。我想将 Q 作为基本因素。 所以我试着把对比写成这样: P contrasts
我想在 R 中绘制多项式模型的预测概率,并配有 nnet::multinom()功能。我在对数尺度上有数值预测变量。 即使 {ggeffects}应该与 multinom() 兼容,该图不像线性模型那
换句话说,当我执行 nnet(...) 时,我可以使用大小参数来控制隐藏层中的单元数。我的特定模型需要输出概率,所以我想要逻辑单位,所以我从 nnet 包转向 multinom 以在我的预测函数中输出
我正在尝试使用 stan 来理解/重现调查结果.但是,我被困在某个地方。我是否使用了错误的 stan 模型? library(nnet);library(rstan);library(dplyr);l
当我尝试对由函数 multinom(包nnet)。尽管手册列表与 multinom 兼容,但 model.avg 函数并未像我预期的那样返回解释变量的模型平均系数。 我知道当 multinom 响应变
最近,我不得不使用 R 和 SPSS 来使用多项式回归框架分析数据集。我们调查了一些参与者(10-12 岁),我们询问了他们最喜欢哪个“专业领域”,然后我们询问了他们访问互联网的频率。所以,结果是一个
两个 R 函数,multinom (包 nnet)和 mlogit (包 mlogit )可用于多项逻辑回归。但是为什么这个例子返回系数的 p 值的不同结果? #prepare data mydata
我是一名优秀的程序员,十分优秀!