使用 glm() 的基础 lm() 功能

R 中的广义线性模型

Richard Erickson

Instructor

与模型对象交互

与输出交互
基础 R 函数适用于 glm()
常用快捷方式

模型打印

print() 通常为默认

print(poisson_out)

Call:  glm(formula = y ~ x, family = "poisson", data = dat)

Coefficients:
(Intercept)            x  
   -1.43036      0.05815  

Degrees of Freedom: 29 Total (i.e. Null);  28 Residual
Null Deviance:        35.63 
Residual Deviance: 30.92     AIC: 66.02

模型摘要

summary() 提供更多细节

summary(poisson_out)

#...
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-1.6547  -0.9666  -0.7226   0.3830   2.3022

Coefficients:
            Estimate Std. Error z value Pr(>|z|)  
(Intercept) -1.43036    0.59004  -2.424   0.0153 *
x            0.05815    0.02779   2.093   0.0364 *

Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for poisson family taken to be 1)

    Null deviance: 35.627  on 29  degrees of freedom
Residual deviance: 30.918  on 28  degrees of freedom
AIC: 66.024

Number of Fisher Scoring iterations: 5

整洁输出

Tidyverse 提供标准化的模型输出
broom 包的 tidy()

library(broom)
tidy(poisson_out)

         term    estimate  std.error statistic    p.value
1 (Intercept) -1.43035579 0.59003923 -2.424171 0.01534339
2           x  0.05814858 0.02778801  2.092578 0.03638686

回归系数

coef() 打印回归系数

coef(poisson_out)

(Intercept)           x 
-1.43035579  0.05814858

置信区间

confint() 估计置信区间

confint(poisson_out)

Waiting for profiling to be done...
               2.5 %     97.5 %
(Intercept) -2.725545344 -0.3897748
x            0.005500767  0.1155564

预测

predict(model, new_data)
new_data 参数：
- 未提供：predict() 基于拟合时的原始数据返回预测。
- 提供：predict() 返回对 new_data 的预测。

火灾伤害数据集

每日平民伤害
肯塔基州路易斯维尔
计数数据，零很多

来自肯塔基州路易斯维尔的每日火灾伤害

开始练习！

R 中的广义线性模型