Logistic回归使用R
我正在运行使用R的逻辑回归，但我似乎无法获得许多有用的模型拟合统计。我在寻找类似的SASS指标：Logistic回归使用R
http://www.ats.ucla.edu/stat/sas/output/sas_logit_output.htm
有谁知道如何（或什么包），我可以用它来提取这些统计数据？
感谢
这里的泊松回归例子http://www.ats.ucla.edu/stat/r/dae/default.htm， ：
## from ?glm:
d.AD <- data.frame(counts=c(18,17,15,20,10,20,25,13,12),
outcome=gl(3,1,9),
treatment=gl(3,3))
glm.D93 <- glm(counts ~ outcome + treatment,data = d.AD, family=poisson())
现在定义的函数具有相同的响应，家庭等，计算汇总统计，以适应一个仅截距的模型，并把它们组合成一个表（矩阵）。 update命令中的公式.~1意味着“用相同的响应变量[用波浪号的LHS上的点表示]改装模型，但仅具有截距项[由波浪号的RHS上的1表示]”
glmsumfun <- function(model) {
glm0 <- update(model,.~1) ## refit with intercept only
## apply built-in logLik (log-likelihood), AIC,
## BIC (Bayesian/Schwarz Information Criterion) functions
## to models with and without intercept ('model' and 'glm0');
## combine the results in a two-column matrix with appropriate
## row and column names
matrix(c(logLik(glm.D93),BIC(glm.D93),AIC(glm.D93),
logLik(glm0),BIC(glm0),AIC(glm0)),ncol=2,
dimnames=list(c("logLik","SC","AIC"),c("full","intercept_only")))
}
现在应用功能：
glmsumfun(glm.D93)
结果：
full intercept_only
logLik -23.38066 -26.10681
SC 57.74744 54.41085
AIC 56.76132 54.21362
EDIT：
-
anova(glm.D93,test="Chisq")给出顺序分析偏差表中的含DF，偏差（= -2对数似然），残留的DF，残余偏差，并且似然比检验（卡方检验）- 值为。 -
drop1(glm.D93)给出了每个单项删除的AIC值（df，deviances等）表;drop1(glm.D93,test="Chisq")另外给出了LRT测试p的值。
你能解释一下这里发生了什么，我对R有点新鲜 – josephmisiti
在rms包使用lrm功能可以给你，你正在寻找的输出。
当然glm与家庭=“二项”参数是逻辑回归最常用的函数。对比因素的默认处理方式不同。 R使用治疗对比，SAS（我认为）使用总和对比。你可以在R-help上看到这些技术问题。在过去的十多年里，他们已经讨论了很多次。
我看到Greg Snow在'rms'中提到了lrm。它的优势在于“rms”方法套件中的其他一些功能。我也会使用它，但学习rms包可能需要一些额外的时间。我没有看到可以创建类似SAS的输出的选项。
如果你想包比对UCLA StatComputing页面有其他资源类似的问题：那里有大量的方法，SPSS，SAS，塔塔和R.
例举其实，SAS也使用治疗的对比;区别在于它将LAST级别作为参考级别，而不是第一级别。你可以通过'options（对比= c（“control.SAS”，“contr.poly”））'在R中得到类似SAS的行为。 –
@洪Doi。感谢您纠正错误。 SPSS是否使用总和对比？ –
请注意，还有http：//stats.stackexchange。com/ – NPE
不完全重复，我猜，但绝对相关和相关：http://stackoverflow.com/questions/3439248/logistic-regression-in-r-sas-like-output – joran
链接中的所有这些统计数据可用这种或那种方式...你到底在找什么？此外，R有多种回归方式，它们取决于数据如何格式化，以便扩展您的问题与您正在查找的内容，数据样本，甚至是您现在如何进行分析，将提供你有更好的答案你的问题。 – John