当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R broom augment.htest 使用来自(n)个 htest 对象的信息来增强数据


Augment 接受模型对象和数据集，并添加有关数据集中每个观察值的信息。最常见的是，这包括 .fitted 列中的预测值、.resid 列中的残差以及 .se.fit 列中拟合值的标准误差。新列始终以 . 前缀开头，以避免覆盖原始数据集中的列。

用户可以通过 data 参数或 newdata 参数传递数据以进行增强。如果用户将数据传递给 data 参数，则它必须正是用于拟合模型对象的数据。将数据集传递给 newdata 以扩充模型拟合期间未使用的数据。这仍然要求至少存在用于拟合模型的所有预测变量列。如果用于拟合模型的原始结果变量未包含在 newdata 中，则输出中不会包含 .resid 列。

根据是否给出 data 或 newdata，增强的行为通常会有所不同。这是因为通常存在与训练观察(例如影响或相关)测量相关的信息，而这些信息对于新观察没有有意义的定义。

为了方便起见，许多增强方法提供默认的 data 参数，以便 augment(fit) 将返回增强的训练数据。在这些情况下，augment 尝试根据模型对象重建原始数据，并取得了不同程度的成功。

增强数据集始终以 tibble::tibble 形式返回，其行数与传递的数据集相同。这意味着传递的数据必须可强制转换为 tibble。如果预测变量将模型作为协变量矩阵的一部分输入，例如当模型公式使用 splines::ns() 、 stats::poly() 或 survival::Surv() 时，它会表示为矩阵列。

我们正在定义适合各种 na.action 参数的模型的行为，但目前不保证数据丢失时的行为。

用法

# S3 method for htest
augment(x, ...)

参数

x

htest 对象，例如 stats::cor.test() 、 stats::t.test() 、 stats::wilcox.test() 、 stats::chisq.test() 等创建的对象。

...

附加参数。不曾用过。仅需要匹配通用签名。注意：拼写错误的参数将被吸收到 ... 中，并被忽略。如果拼写错误的参数有默认值，则将使用默认值。例如，如果您传递 conf.lvel = 0.9 ，所有计算将使用 conf.level = 0.95 进行。这里有两个异常：

  • tidy() 方法在提供 exponentiate 参数时会发出警告(如果该参数将被忽略)。

  • augment() 方法在提供 newdata 参数时会发出警告(如果该参数将被忽略)。

细节

有关如何计算残差的更多详细信息，请参阅stats::chisq.test()。

也可以看看

值

恰好只有一行和一列的 tibble::tibble()：

.observed

观察计数。

.prop

占总数的比例。

.row.prop

行比例(仅限二维表)。

.col.prop

列比例(仅限 2 维表)。

.expected

原假设下的预期计数。

.resid

皮尔逊残差。

.std.resid

标准化残差。

例子


tt <- t.test(rnorm(10))

tidy(tt)
#> # A tibble: 1 × 8
#>   estimate statistic p.value parameter conf.low conf.high method          
#>      <dbl>     <dbl>   <dbl>     <dbl>    <dbl>     <dbl> <chr>           
#> 1   -0.177    -0.539   0.603         9   -0.918     0.565 One Sample t-te…
#> # ℹ 1 more variable: alternative <chr>

# the glance output will be the same for each of the below tests
glance(tt)
#> # A tibble: 1 × 8
#>   estimate statistic p.value parameter conf.low conf.high method          
#>      <dbl>     <dbl>   <dbl>     <dbl>    <dbl>     <dbl> <chr>           
#> 1   -0.177    -0.539   0.603         9   -0.918     0.565 One Sample t-te…
#> # ℹ 1 more variable: alternative <chr>

tt <- t.test(mpg ~ am, data = mtcars)

tidy(tt)
#> # A tibble: 1 × 10
#>   estimate estimate1 estimate2 statistic p.value parameter conf.low
#>      <dbl>     <dbl>     <dbl>     <dbl>   <dbl>     <dbl>    <dbl>
#> 1    -7.24      17.1      24.4     -3.77 0.00137      18.3    -11.3
#> # ℹ 3 more variables: conf.high <dbl>, method <chr>, alternative <chr>

wt <- wilcox.test(mpg ~ am, data = mtcars, conf.int = TRUE, exact = FALSE)

tidy(wt)
#> # A tibble: 1 × 7
#>   estimate statistic p.value conf.low conf.high method         alternative
#>      <dbl>     <dbl>   <dbl>    <dbl>     <dbl> <chr>          <chr>      
#> 1    -6.80        42 0.00187    -11.7     -2.90 Wilcoxon rank… two.sided  

ct <- cor.test(mtcars$wt, mtcars$mpg)

tidy(ct)
#> # A tibble: 1 × 8
#>   estimate statistic  p.value parameter conf.low conf.high method         
#>      <dbl>     <dbl>    <dbl>     <int>    <dbl>     <dbl> <chr>          
#> 1   -0.868     -9.56 1.29e-10        30   -0.934    -0.744 Pearson's prod…
#> # ℹ 1 more variable: alternative <chr>

chit <- chisq.test(xtabs(Freq ~ Sex + Class, data = as.data.frame(Titanic)))

tidy(chit)
#> # A tibble: 1 × 4
#>   statistic  p.value parameter method                    
#>       <dbl>    <dbl>     <int> <chr>                     
#> 1      350. 1.56e-75         3 Pearson's Chi-squared test
augment(chit)
#> # A tibble: 8 × 9
#>   Sex    Class .observed  .prop .row.prop .col.prop .expected .resid
#>   <fct>  <fct>     <dbl>  <dbl>     <dbl>     <dbl>     <dbl>  <dbl>
#> 1 Male   1st         180 0.0818    0.104     0.554      256.   -4.73
#> 2 Female 1st         145 0.0659    0.309     0.446       69.4   9.07
#> 3 Male   2nd         179 0.0813    0.103     0.628      224.   -3.02
#> 4 Female 2nd         106 0.0482    0.226     0.372       60.9   5.79
#> 5 Male   3rd         510 0.232     0.295     0.722      555.   -1.92
#> 6 Female 3rd         196 0.0891    0.417     0.278      151.    3.68
#> 7 Male   Crew        862 0.392     0.498     0.974      696.    6.29
#> 8 Female Crew         23 0.0104    0.0489    0.0260     189.  -12.1 
#> # ℹ 1 more variable: .std.resid <dbl>

相关用法


注：本文由纯净天空筛选整理自等大神的英文原创作品 Augment data with information from a(n) htest object。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。