5

我使用multinom()nnet 包中的函数在 R 中运行多项逻辑回归。nnet 包不包括 p 值计算和 t 统计量计算。我找到了一种使用此页面中的两个有尾 z 检验来计算 p 值的方法。举一个计算多项式 logit 的测试统计量的示例（不是真正的 t-stat，而是等效的），我计算了 Wald 的统计量：

mm<-multinom(Empst ~ Agegroup + Marst + Education + State, 
             data = temp,weight=Weight)
W <- (summary(mm1)$coefficients)^2/(summary(mm1)$standard.errors)^2

我取系数的平方并除以系数的标准误差的平方。然而，似然比检验是逻辑回归拟合优度的优选度量。由于对似然函数的理解不完整，我不知道如何编写代码来计算每个系数的似然比统计量。使用函数的输出计算每个系数的似然比统计量的方法是multinom()什么？谢谢你的帮助。

4

3 回答 3

3

让我们看看使用（分类变量）和（连续变量）Sepal.Length从 iris 数据集进行预测。让我们首先使用和构建我们的神经网络将我们的因子变量转换为多个二进制变量：SpeciesPetal.Lengthmodel.matrix

library(nnet)
data(iris)
mat <- as.data.frame(model.matrix(~Species+Petal.Length+Sepal.Length, data=iris))
mm <- multinom(Sepal.Length~.+0, data=mat, trace=F)

现在我们可以对模型中的变量进行似然比检验：

library(lmtest)
lrtest(mm, "Speciesversicolor")
# Likelihood ratio test
# 
# Model 1: Sepal.Length ~ `(Intercept)` + Speciesversicolor + Speciesvirginica + 
#     Petal.Length + 0
# Model 2: Sepal.Length ~ `(Intercept)` + Speciesvirginica + Petal.Length - 
#     1
#   #Df  LogLik  Df  Chisq Pr(>Chisq)
# 1 136 -342.02                      
# 2 102 -346.75 -34 9.4592          1

要对所有变量运行似然比测试，我想你可以只使用一个循环并为每个变量名称运行。我只提取了这个循环中的 p 值。

for (var in mm$coefnames[-1]) {
  print(paste(var, "--", lrtest(mm, var)[[5]][2]))
}
# [1] "Speciesversicolor -- 0.999990077592342"
# [1] "Speciesvirginica -- 0.998742545590864"
# [1] "Petal.Length -- 3.36995663002528e-14"
于 2014-04-11T16:58:10.760 回答
3

使用包中的Anova函数对car模型中的每个项进行似然比检验。

library(nnet)
data(iris)


mm <- multinom(Species ~ ., data=iris, trace=F)

### car package
library(car)
Anova(mm)
于 2015-12-30T19:10:58.783 回答
2

从@jolisber 的响应中，我提取了一个函数，以便任何人都可以执行此操作并将值存储在 df 中。好吧，我将完整的字符向量存储在 df 中。

likehoodmultinom2 <- function(model_lmm) 
{

  i <- 1
  values<- c("No funciona") 

  for (var in model_lmm$coefnames[-1]) { # Qutiamos el -1 de coefnames para no obener un NA

  values[i] =(paste(var, "--", lrtest(model_lmm, var)[[5]][2]))
  i=i+1

  }
  return (values)
}

但是我无法获得第一个元素（变量）p 值。我不知道为什么。我不能忽略 model_lmm$coefnames 中的 [-1]。已编辑。我将 i=0 编辑为 i=1; 忘记了R向量从那个开始：D。

希望这对每个人都有效：D

编辑 2

也做了1，所以它可以存储在一个df中。

likehoodmultinom_p <- function(model_lmm) 
{

  i <- 1

  variables <-c("No funciona")
  values <- c("No funciona") 


  for (var in model_lmm$coefnames[-1]) { 

  variables[i] =paste(var)
  values[i]= lrtest(model_lmm, var)[[5]][2]
  i=i+1
   ## Contributed to stack at: 
  }
  return (data.frame(variables,values))
}
于 2020-03-24T16:53:18.543 回答