ฟังก์ชัน lm() พื้นฐานกับ glm()

Generalized Linear Models ใน R

Richard Erickson

Instructor

การโต้ตอบกับออบเจกต์โมเดล

โต้ตอบกับผลลัพธ์ของโมเดลได้
ฟังก์ชัน Base R ใช้กับ glm() ได้
ทางลัดที่มีประโยชน์

การพิมพ์โมเดล

print() มักเป็นค่าเริ่มต้น

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

สรุปโมเดล

summary() แสดงรายละเอียดเพิ่มเติม

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

ผลลัพธ์แบบ Tidy

Tidyverse ให้ผลลัพธ์โมเดลในรูปแบบมาตรฐาน
tidy() จาก Broom package

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

ค่าสัมประสิทธิ์การถดถอย

coef() แสดงค่าสัมประสิทธิ์การถดถอย

coef(poisson_out)

(Intercept)           x 
-1.43035579  0.05814858

ช่วงความเชื่อมั่น

confint() ประมาณช่วงความเชื่อมั่น

confint(poisson_out)

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

การพยากรณ์

predict(model, new_data)
อาร์กิวเมนต์ new_data:
- ไม่ระบุ: predict() คืนค่าพยากรณ์จากข้อมูลที่ใช้ fit โมเดล
- ระบุ: predict() คืนค่าพยากรณ์สำหรับ new_data

ชุดข้อมูลการบาดเจ็บจากเพลิงไหม้

การบาดเจ็บของพลเรือนรายวัน
Louisville, KY
ข้อมูลนับ มีค่าศูนย์จำนวนมาก

ข้อมูลการบาดเจ็บจากเพลิงไหม้รายวันใน Louisville, KY

มาฝึกกันเถอะ!

Generalized Linear Models ใน R