У меня есть модель логистической регрессии в R, где все переменные-предикторы являются категориальными, а не непрерывными (в дополнение к переменной ответа, которая также явно является категориальной/бинарной).
При вызове summary(model_name) есть ли способ включить столбец, представляющий количество наблюдений на каждом уровне фактора?
У меня есть модель логистической регрессии в R, где все предикторы являются категориальными, а не непрерывными.
Если все ваши ковариаты являются факторами (не включая точку пересечения), это довольно просто, поскольку матрица модели содержит только 0 и 1, а число 1 указывает на появление этого уровня фактора (или уровня взаимодействия) в ваших данных. Так что просто сделайте colSums(model.matrix(your_glm_model_object)).
Поскольку матрица модели имеет имена столбцов, colSums даст вам вектор с атрибутом «имена», который согласуется с полем «имена» в coef(your_glm_model_object).
Это же решение применимо к линейной модели (по lm) и обобщенной линейной модели (по glm) для любого семейства распределения.
Вот краткий пример:
set.seed(0)
f1 <- sample(gl(2, 50)) ## a factor with 2 levels, each with 50 observations
f2 <- sample(gl(4, 25)) ## a factor with 4 levels, each with 25 observations
y <- rnorm(100)
fit <- glm(y ~ f1 * f2) ## or use `lm` as we use `guassian()` family object here
colSums(model.matrix(fit))
#(Intercept) f12 f22 f23 f24 f12:f22
# 100 50 25 25 25 12
# f12:f23 f12:f24
# 12 14
Здесь у нас есть 100 наблюдений/полных случаев (указанных под (Intercept)).
Есть ли способ отобразить количество для базового уровня каждого фактора?
Базовые уровни контрастируют, поэтому они не отображаются в матрице модели, используемой для подбора. Однако мы можем сгенерировать полную матрицу модели (без контрастов) из вашей формулы, а не из подобранной модели (это также дает вам возможность отбрасывать числовые переменные, если они есть в вашей модели):
SET_CONTRAST <- list(f1 = contr.treatment(nlevels(f1), contrast = FALSE),
f2 = contr.treatment(nlevels(f2), contrast = FALSE))
X <- model.matrix(~ f1 * f2, contrasts.arg = SET_CONTRAST)
colSums(X)
#(Intercept) f11 f12 f21 f22 f23
# 100 50 50 25 25 25
# f24 f11:f21 f12:f21 f11:f22 f12:f22 f11:f23
# 25 13 12 13 12 13
# f12:f23 f11:f24 f12:f24
# 12 11 14
Обратите внимание, что установка контрастов может быстро стать утомительной, когда у вас много факторных переменных.
model.matrix определенно не единственный подход для этого. Обычный способ может быть
table(f1)
table(f2)
table(f1, f2)
но может стать утомительным, когда ваша модель усложнится.
