glmfit
广义线性回归模型
描述
例子
合适的广义线性模型与概率单位联系
符合广义线性回归模型,计算预测(估计)值使用拟合模型的预测数据。
创建一个示例数据集。
x = (2100 2300 2500 2700 2900 3100…3300 3500 3700 3900 4100 4300);n =[48 42 31 34 31日21日23日23日21日16 17 21)';y =[1 2 0 3 8 8 14 17日19日15日17日21日)';
x包含预测变量的值。每一个y价值是成功的数量在相应数量的试验n。
适合的概率单位回归模型y在x。
b = glmfit (x, y [n],“二”,“链接”,“probit”);
计算估计数量的成功。
yfit = glmval (b, x,“probit”,“大小”n);
图观察到成功百分比和估计百分比与成功x值。
情节(x, y / n,“o”,x, yfit. / n,“- - -”)
合适的广义线性模型使用自定义链接功能
定义一个自定义链接功能和使用它来符合广义线性回归模型。
加载示例数据。
负载fisheriris
列向量物种包含三个不同物种的虹膜花:setosa,杂色的,virginica。矩阵量包含四种类型的测量的鲜花,在厘米萼片和花瓣的长度和宽度。
定义变量和响应变量预测指标。
X =量(51:最终,);y = strcmp (“多色的”、物种(51:结束));
定义一个自定义链接函数分对数链接功能。创建三个函数处理定义链接,链接的函数的导数,反向链接的功能。存储单元阵列。
链接= @(μ)日志(mu. /(1μ));derlink = @(μ)1. /(μ。*(1μ));invlink = @(职责)1. / (1 + exp(职责));F ={链接、derlink invlink};
使用逻辑回归模型glmfit自定义链接功能。
b = glmfit (X, y,“二”,“链接”F)
b =5×142.6378 2.4652 6.6809 -9.4294 -18.2861
适合使用内置的广义线性模型分对数链接功能,并比较结果。
b = glmfit (X, y,“二”,“链接”,分对数的)
b =5×142.6378 2.4652 6.6809 -9.4294 -18.2861
执行异常测试
适合一个广义线性回归模型,包含一个为每个预测拦截和线性项。决定是否执行异常测试模型适合明显好于一个常数模型。
使用泊松随机数生成样本数据有两个潜在的预测因子X (: 1)和X (:, 2)。
rng (“默认”)%的再现性rndvars = randn (100 2);X = [2 + rndvars (: 1), rndvars (:, 2)];μ= exp (1 + X * [1, 2]);y = poissrnd(μ);
适合一个广义线性回归模型,包含一个为每个预测拦截和线性项。
[b, dev] = glmfit (X, y,“泊松”);
第二个输出参数dev是一个异常的健康。
适合一个广义线性回归模型,只包含一个拦截。指定列的预测变量1 s,并指定“不变”作为“关闭”这glmfit不包括在模型中一个常数项。
[~,dev_noconstant] = glmfit ((100 1), y,“泊松”,“不变”,“关闭”);
计算之间的区别dev_constant和dev。
D = dev_noconstant - dev
D = 2.9533 e + 05
D有一个卡方分布2自由度。自由度等于不同数量的估计模型中的参数对应dev和常数模型中参数估计的数量。找到p值的异常测试。
p = 1 - chi2cdf (D, 2)
p = 0
小p值表明该模型完全不同于一个常数。
或者,您可以创建一个广义线性回归模型的数据通过使用泊松fitglm函数。该模型显示包括统计(气^ 2-statistic与常数模型),p价值。
mdl = fitglm (X, y,“y ~ x1 + x2”,“分布”,“泊松”)
mdl =广义线性回归模型:日志(y) ~ 1 + x1 + x2 =泊松分布估计系数:估计SE tStat pValue ________ _____交(拦截)1.0405 0.022122 47.034 0 x1 0 x2 0 1.987 0.0063433 313.24 100 0.9968 0.003362 296.49观察,97错误自由度色散:1 x ^ 2-statistic与常数模型:2.95 e + 05, p值= 0
您还可以使用devianceTest函数拟合模型对象。
devianceTest (mdl)
ans =2×4表异常DFE chi2Stat pValue __________ ___ _____ _____日志(y) ~ 1 2.9544 e + 05 99日志(y) ~ 1 x1 + x2 + 107.4 97 2.9533 e + 05年0
输入参数
输出参数
更多关于
选择功能
glmfit是有用的,当你只需要函数的输出参数或当你想在一个循环中重复多次拟合模型。如果你需要进一步调查拟合模型,创建一个广义线性回归模型对象GeneralizedLinearModel通过使用fitglm或stepwiseglm。一个GeneralizedLinearModel对象提供了更多的功能glmfit。
使用的属性
GeneralizedLinearModel调查一个拟合模型。对象属性包括系数估计的信息,汇总统计,拟合方法,输入数据。使用对象的功能
GeneralizedLinearModel预测反应和修改、评价和可视化广义线性回归模型。你可以找到的信息的输出
glmfit使用属性和对象的功能GeneralizedLinearModel。的输出 glmfit等效值 GeneralizedLinearModelb看到 估计列的系数财产。dev看到 异常财产。统计数据显示在命令窗口中看到该模型。你可以找到数据模型属性(
CoefficientCovariance,系数,分散,DispersionEstimated,残差)。色散参数
统计数据。年代glmfit是标准的比例因子误差系数,而色散参数分散属性的一个广义线性模型的比例因子的方差响应。因此,stats.s的平方根分散价值。
引用
[1]多布森,a·J。介绍了广义线性模型。纽约:查普曼&大厅,1990。
[2]McCullagh, P。,J. A. Nelder.广义线性模型。纽约:查普曼&大厅,1990。
[3]Collett D。二进制数据建模。纽约:查普曼&大厅,2002。
扩展功能
版本历史
之前介绍过的R2006a
