问题标签 [glm]

在下面的可重现代码（最后一行）中，如果我将 'Income' 替换为 'fieldToRemove'，'update' 功能将不起作用。我怎样才能使这个功能工作？我需要循环运行该行。

我可以绘制一个预测变量（来自多变量逻辑、二项式 GLM）与预测响应的关系。我这样做：

上面，drat vs vs所有其他预测变量保持不变。但是，我会为每个预测变量执行此操作，并且每次执行上述过程似乎很乏味。有没有更聪明的方法来做到这一点？我想可视化每个不同预测变量的响应，最终，也许是不同的常数。

我不想在glm泊松回归中使用标准日志链接，因为我有零。考虑以下代码：

我得到错误：

错误：未找到有效的系数集：请提供起始值

我不确定这意味着什么。我认为的“身份”链接功能是什么（即它根本不转换数据）？这个错误是什么意思，我该如何解决？

考虑以下：

我得到结果

从this page的解释来看， foo 的系数似乎应该是log(2)，但事实并非如此。

更一般地说，我认为这个输出应该意味着lambda = 1.187 + .1929 * foolambda 是泊松分布的参数，但这似乎与数据不符。

我应该如何解释这个回归的输出？

如何使用 ldply()-summarise-function 中的 summary-function 来提取 p 值？

示例数据：

（预装数据框“嘌呤霉素”）

我可以用提取的结果构造这个数据框：

但我不能以同样的方式提取 p 值。我认为这会起作用，但它不会：

我怎样才能将p值提取到该数据框:)请帮忙！

我想自动化以下过程。

1. 使用 . 拟合 (lm /glm) 模型step()。
2. 提取 (1) 的结果模型中的变量，例如 (X1+X2)，如Y~X1+X2
3. 在新的 lm/glm（加上一些新变量）中重新使用 (1) 中的模型。

我了解模型公式可以使用model$call或model$terms从哪里访问模型公式model，例如

但我无法正确提取它并在新模型中重新使用它，例如：

似乎需要对 model$call 进行处理，但我不确定数组的结构以及如何折叠它。谢谢。

我的数据遇到了一些问题，需要一些帮助。我正在尝试使用存在/不存在变量作为响应变量和几个解释变量（时间、位置、存在/不存在数据、丰度数据）运行 glm 分析。

首先，我尝试使用 glm() 函数，但是我有 2 个关于 glm.fit () 的警告：1：glm.fit：算法没有收敛 2：glm.fit：在经过一些调查后，出现数字 0 或 1 的拟合概率我发现问题很可能是准完全分离，因此决定使用 brglm 和/或 logistf。

• logistf：分析不运行运行 logistf() 时，我收到一条错误消息： chol.default(x) 中的错误：前导未成年人 39 不是肯定的 我在 Internet 上的理论和技术论文中查看了 logistf 包手册Heinze 和 Ploner 的，无法找到使用此功能的位置以及是否可以通过某些设置修复错误。

• brglm：分析运行但是我收到一条警告消息：在 fit.proc(x = X, y = Y, weights = weights, start = start, etastart # = etastart, : 达到迭代限制之前我找不到位置和原因此功能在运行包时使用，如果可以通过调整一些设置来修复它。

以更一般的方式，我想知道这些包的根本区别是什么。

我希望这足够有意义，如果这是我不知道的统计证据，我很抱歉。

这是我第一次提出问题，所以如果不应该这样，我深表歉意，并请您不要犹豫，让我知道。

谢谢您的帮助

霍奇特尔 C.

这是我的表格的摘录（由于表格太宽，我不得不截断行的长度：20 列）和我运行的不同公式：

我有一个名为的数据集bjmd，看起来像这样（简化）：

我想运行一个循环来glm对每个不同的rte（46001、46002、46003）进行分析。在每个rte中，有多个years，它们都需要包含在glm分析中。从每条路线的glm测试中，我正在使用坡度并创建另一个表格，其中路线和坡度作为列。这就是我想要的样子：

这是我想出的for循环代码：

这段代码有问题，因为我的斜率不断得到 0 值：

有人可以帮忙指出我在哪里搞砸了吗？

背景

我正在尝试预测产品线的销售额（最后样本中的 y_test）。它在一段时间内的销售额基于另一个产品 (x_test) 的所有先前销售额以及这些先前销售额中有多少仍在使用中。但是，无法直接衡量那些仍在使用的先前销售产品的数量，因此需要推断生存曲线。

例如，如果您为特定的智能手机型号制造配件，那么配件销售至少部分取决于仍在使用的智能手机的数量。（这不是作业，顺便说一句。）

细节

我有一些时间序列数据，并希望使用glm或类似的东西来拟合回归模型。因变量和自变量之间的关系是这样的：

其中 p 为时间段，y _p为因变量，x _p为自变量，c ₀和 c ₁为回归系数，F _t为累积分布函数（如pgamma），e _p为残差。

通过前三个时间段，该函数将扩展为如下所示：

所以，我有 x _p和 y _p的历史数据，我想获得最小化残差的系数/参数 c ₀、 c ₁、 c ₂和 c _3的值。

我认为解决方案是使用glm和创建一个自定义系列，但我不知道该怎么做。 我查看了Gamma家庭的代码，但没有走多远。我已经能够使用“手动”进行优化nlminb，但我更喜欢由或类似功能predict提供的简单性和实用性（即和其他） 。glm

以下是一些示例数据：

我正在拟合一个关于缺勤数据的模型，我想检查随机因素是否显着。为此，应该将 glmm 与 glm 进行比较，并使用 LR 测试检查哪个最重要，如果我理解正确的话。

但是，如果我执行 ANOVA(glm,glmm) ，我会得到偏差表的分析，并且没有比较模型的输出。

如何获得我想要的输出，从而比较两个模型？

在此先感谢，科恩