Logistic迴歸的模型擬合統計

Question

我在R中運行邏輯迴歸模型。我使用了Zelig和Car包。但是，我想知道是否有一種簡單的方法來獲得模型的模型擬合統計量。 （僞R方，卡方，對數等）

Answer 1

通常這是使用summary()函數完成的。

Answer 2

如果不知道模型對象是什麼，很難回答這個問題。我不確定Zelig產生什麼。

我會看names(model)，names(summary(model))或names(anova(model,test = "Chisq"))，看看你想要的數據是否在那裏。我知道對於對數似然來說，logLik(model)會給你你想要的。

Answer 3

儘管我不是專家，但物流回歸模型的模型擬合統計量在解釋方面並不像直線迴歸方法那樣簡單明瞭。假設你有一個二元響應，我發現有用的一種方法是按照預測的概率區間（0-10％，10％-20％，... 90％-100％）對數據進行分組，並比較實際概率到預測的。這非常有用，因爲您的模型通常會在低端預測過高或在高端預測不足。這也可能導致更好的模型。

Answer 4

假設glm1是您的型號，您的尺寸是n = 100。

這裏有一些優度配合措施：

R2<-1-((glm1$deviance/-2)/(glm1$null.deviance/-2)) cat("mcFadden R2=",R2,"\n")

R2<-1-exp((glm1$deviance-glm1$null.deviance)/2*n) cat("Cox-Snell R2=",R2,"\n")

R2<-R2/(1-exp((-glm1$null.deviance)/n)) cat("Nagelkerke R2=",R2,"\n")

AIC<- glm1$deviance+2*2 cat("AIC=",AIC,"\n")

這樣，你有怎樣計算的概述四人幫的測量。