用nnet包评价R中多项式logit的拟合优度

Question

在R.中，我使用来自nnet包的multinom()函数运行多项式logistic回归，不包括p值计算和t统计计算。我找到了一种计算p值的方法，使用来自此页的两个尾z检验。为了给出一个计算多个logit的测试统计量的例子(不是t-stat，而是等效的)，我计算了Wald的统计量：

mm<-multinom(Empst ~ Agegroup + Marst + Education + State, 
             data = temp,weight=Weight)
W <- (summary(mm1)$coefficients)^2/(summary(mm1)$standard.errors)^2

我取系数的平方，除以系数的标准误差的平方。然而，似然比检验是检验逻辑回归拟合优度的较好方法。由于对似然函数的不完全理解，我不知道如何编写计算每个系数的似然比统计量的代码。如何使用multinom()函数的输出来计算每个系数的似然比统计量？谢谢你的帮助。

Answer 1

让我们来看看如何使用Sepal.Length (一个分类变量)和Petal.Length (一个连续变量)从虹膜数据集预测Species。让我们首先使用model.matrix将我们的因子变量转换为多个二进制变量，然后构建我们的神经网络：

library(nnet)
data(iris)
mat <- as.data.frame(model.matrix(~Species+Petal.Length+Sepal.Length, data=iris))
mm <- multinom(Sepal.Length~.+0, data=mat, trace=F)

现在，我们可以对模型中的变量进行似然比检验：

library(lmtest)
lrtest(mm, "Speciesversicolor")
# Likelihood ratio test
# 
# Model 1: Sepal.Length ~ `(Intercept)` + Speciesversicolor + Speciesvirginica + 
#     Petal.Length + 0
# Model 2: Sepal.Length ~ `(Intercept)` + Speciesvirginica + Petal.Length - 
#     1
#   #Df  LogLik  Df  Chisq Pr(>Chisq)
# 1 136 -342.02                      
# 2 102 -346.75 -34 9.4592          1

要对所有变量运行似然比测试，我想您可以使用一个循环并运行每个变量名。我只提取了这个循环中的p值。

for (var in mm$coefnames[-1]) {
  print(paste(var, "--", lrtest(mm, var)[[5]][2]))
}
# [1] "Speciesversicolor -- 0.999990077592342"
# [1] "Speciesvirginica -- 0.998742545590864"
# [1] "Petal.Length -- 3.36995663002528e-14"

Answer 2

在Anova包中使用car函数对模型中的每个项进行似然比检验。

library(nnet)
data(iris)


mm <- multinom(Species ~ ., data=iris, trace=F)

### car package
library(car)
Anova(mm)

Answer 3

从@jolisber的响应中，我提取了一个函数，这样任何人都可以这样做，并将值存储在df中。我把完整的字符向量存储在df中。

likehoodmultinom2 <- function(model_lmm) 
{

  i <- 1
  values<- c("No funciona") 

  for (var in model_lmm$coefnames[-1]) { # Qutiamos el -1 de coefnames para no obener un NA

  values[i] =(paste(var, "--", lrtest(model_lmm, var)[[5]][2]))
  i=i+1

  }
  return (values)
}

然而，我不能得到第一个元素(变量)p-值。我不知道为什么。我不能忽视model_lmm$coefnames中的-1。编辑。我把i=0编辑成了i=1，忘了R向量是从D开始的。

希望这对每个人都有用。

编辑2

还做了1，所以它可以存储在一个df中。

likehoodmultinom_p <- function(model_lmm) 
{

  i <- 1

  variables <-c("No funciona")
  values <- c("No funciona") 


  for (var in model_lmm$coefnames[-1]) { 

  variables[i] =paste(var)
  values[i]= lrtest(model_lmm, var)[[5]][2]
  i=i+1
   ## Contributed to stack at: 
  }
  return (data.frame(variables,values))
}