广义线性模型工作流
这个例子展示了如何拟合一个广义线性模型并分析结果。典型的工作流程包括以下步骤:导入数据,拟合广义线性模型,测试其质量,修改模型以提高其质量,并基于模型进行预测。在本例中,您使用Fisher虹膜数据来计算一朵花属于两个类别之一的概率。
加载数据
加载费雪虹膜数据。
负载fisheriris
提取第51到150行,它们的分类是versicololor virginica。
X = meas(51:end,:);
创建的逻辑响应变量真正的
对于彩色和假
virginica。
Y = strcmp(“多色的”、物种(51:结束));
拟合广义线性模型
对数据拟合二项式广义线性模型。
mdl = fitglm(X,y,“线性”,“分布”,“二”)
mdl =广义线性回归模型:logit(y) ~ 1 + x1 + x2 + x3 + x4分布=二项式估计系数:估计SE tStat pValue ________ ______ _______ ________(截距)42.638 25.708 1.6586 0.097204 x1 2.4652 2.3943 1.0296 0.30319 x2 6.6809 4.4796 1.4914 0.13585 x3 -9.4294 4.7372 -1.9905 0.046537 x4 -18.286 9.7426 -1.8769 0.060529 100个观测值,95个误差自由度离散度:1 Chi^2-统计量vs常数模型:127,p值= 1.95e-26
根据模型显示,有的p中的-valuespValue
列都不小,这意味着可以简化模型。
检查和改进模型
确定系数的95%置信区间是否包括0。如果是这样,您可以删除具有这些间隔的模型项。
coefCI(mdl)
confint =5×2-8.3984 93.6740 -2.2881 7.2185 -2.2122 15.5739 -18.8339 -0.0248 -37.6277 1.0554
只有第四个预测器x3
具有置信区间不包括0的系数。
的系数x1
而且x2
有大量p-values及其95%置信区间包括0。测试两个系数是否都可以为零。指定一个假设矩阵来选择的系数x1
而且x2
.
M = [0 1 0 0 0 0 0 0 1 0 0];p = coefTest(mdl,M)
P = 0.1442
的p-value约为0.14,这并不小。删除x1
而且x2
从模型中。
mdl1 = removeTerms(mdl,'x1 + x2')
mdl1 =广义线性回归模型:logit(y) ~ 1 + x3 + x4分布=二项式估计系数:估计SE tStat pValue ________ ______ _______ __________(截距)45.272 13.612 3.326 0.00088103 x3 -5.7545 2.3059 -2.4956 0.012576 x4 -10.447 3.7557 -2.7816 0.0054092 100个观测值,97个误差自由度离散度:1 Chi^2-统计量vs常数模型:118,p值= 2.3e-26
或者,您可以使用stepwiseglm
.
mdl2 = stepwiseglm(X,y,“不变”,“分布”,“二”,“上”,“线性”)
1.加上x4, Deviance = 33.4208, Chi2Stat = 105.2086, PValue = 1.099298e-24加上x3,偏差= 20.5635,Chi2Stat = 12.8573, PValue = 0.000336166加上x2,偏差= 13.2658,Chi2Stat = 7.29767, PValue = 0.00690441
mdl2 =广义线性回归模型:logit(y) ~ 1 + x2 + x3 + x4分布=二项式估计系数:估计SE tStat pValue ________ ______ _______ ________(截距)50.527 23.995 2.1057 0.035227 x2 8.3761 4.7612 1.7592 0.078536 x3 -7.8745 3.8407 -2.0503 0.040334 x4 -21.43 10.707 -2.0014 0.04535 100个观测值,96个误差自由度离散度:1 Chi^2统计量vs常数模型:125,p值= 5.4e-27
的p值(pValue
)x2
在系数表中均大于0.05,但stepwiseglm
包括x2
在模型中,因为p值(PValue
),以添加x2
小于0.05。的stepwiseglm
函数计算PValue
使用with和without的配合x2
,而函数是计算的pValue
基于仅从最终模型计算出的近似标准误差。因此,PValue
更可靠pValue
.
识别异常值
检查杠杆图以寻找有影响的异常值。
plotDiagnostics (mdl2“杠杆”)
如果一个观察值的杠杆值大大超过p / n
,在那里p
系数的个数是和吗n
是观测的数量。虚线参考线是建议阈值,由2 * p / n
,在该图中对应0.08。一些观察结果的杠杆值大于10 * p / n
(即0.40)。确定这些观察点。
idxOutliers = find(mdl2.Diagnostics. diagnostics .)杠杆> 10*mdl2.NumCoefficients/mdl2.NumObservations)
idxOutliers =4×119 21 57 85
当你拟合排除这些点的模型时,看看模型系数是否会发生变化。
oldCoeffs = mdl2.Coefficients.Estimate;mdl3 = fitglm(X,y,“线性”,“分布”,“二”,...“PredictorVars”2:4,“排除”, idxOutliers);newCoeffs = mdl3.Coefficients.Estimate;disp ([oldCoeffs newCoeffs])
50.5268 44.0085 8.3761 5.6361 -7.8745 -6.1145 -21.4296 -18.1236
模型系数mdl3
和mdl2中的不同。这一结果表明,在高杠杆点的响应与简化模型的预测值不一致。
预测五彩缤纷的概率
使用mdl3
预测一朵平均测量值的花是五彩缤纷的概率。生成预测的置信区间。
[newf,newc] = predict(mdl3,mean(X))
Newf = 0.4558
newc =1×20.1234 - 0.8329
该模型给出了近46%的概率,平均花是五颜六色的,有一个宽的置信区间。
另请参阅
fitglm
|stepwiseglm
|GeneralizedLinearModel
|预测
|removeTerms
|coefCI
|plotDiagnostics