当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R broom augment.survreg 使用来自 survreg 对象的信息增强数据


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 survreg
augment(
  x,
  data = model.frame(x),
  newdata = NULL,
  type.predict = "response",
  type.residuals = "response",
  ...
)

参数

x

从 survival::survreg() 返回的 survreg 对象。

data

base::data.frame 或 tibble::tibble() 包含用于生成对象 x 的原始数据。默认为stats::model.frame(x)，以便augment(my_fit) 返回增强的原始数据。不要将新数据传递给 data 参数。增强将报告传递给 data 参数的数据的影响和烹饪距离等信息。这些度量仅针对原始训练数据定义。

newdata

base::data.frame() 或 tibble::tibble() 包含用于创建 x 的所有原始预测变量。默认为 NULL ，表示没有任何内容传递给 newdata 。如果指定了newdata，则data 参数将被忽略。

type.predict

指示要使用的预测类型的字符。传递给 stats::predict() 泛型的 type 参数。允许的参数因模型类而异，因此请务必阅读predict.my_class 文档。

type.residuals

指示要使用的残差类型的字符。传递给 stats::residuals() 泛型的 type 参数。允许的参数因模型类而异，因此请务必阅读residuals.my_class 文档。

...

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)。

值

带有列的 tibble::tibble()：

.fitted

拟合值或预测值。

.resid

观察值和拟合值之间的差异。

.se.fit

拟合值的标准误差。

例子


# load libraries for models and data
library(survival)

# fit model
sr <- survreg(
  Surv(futime, fustat) ~ ecog.ps + rx,
  ovarian,
  dist = "exponential"
)

# summarize model fit with tidiers + visualization
tidy(sr)
#> # A tibble: 3 × 5
#>   term        estimate std.error statistic     p.value
#>   <chr>          <dbl>     <dbl>     <dbl>       <dbl>
#> 1 (Intercept)    6.96      1.32      5.27  0.000000139
#> 2 ecog.ps       -0.433     0.587    -0.738 0.461      
#> 3 rx             0.582     0.587     0.991 0.322      
augment(sr, ovarian)
#> # A tibble: 26 × 9
#>    futime fustat   age resid.ds    rx ecog.ps .fitted .se.fit .resid
#>     <dbl>  <dbl> <dbl>    <dbl> <dbl>   <dbl>   <dbl>   <dbl>  <dbl>
#>  1     59      1  72.3        2     1       1   1224.    639. -1165.
#>  2    115      1  74.5        2     1       1   1224.    639. -1109.
#>  3    156      1  66.5        2     1       2    794.    350.  -638.
#>  4    421      0  53.4        2     2       1   2190.   1202. -1769.
#>  5    431      1  50.3        2     1       1   1224.    639.  -793.
#>  6    448      0  56.4        1     1       2    794.    350.  -346.
#>  7    464      1  56.9        2     2       2   1420.    741.  -956.
#>  8    475      1  59.9        2     2       2   1420.    741.  -945.
#>  9    477      0  64.2        2     1       1   1224.    639.  -747.
#> 10    563      1  55.2        1     2       2   1420.    741.  -857.
#> # ℹ 16 more rows
glance(sr)
#> # A tibble: 1 × 9
#>    iter    df statistic logLik   AIC   BIC df.residual  nobs p.value
#>   <int> <int>     <dbl>  <dbl> <dbl> <dbl>       <int> <int>   <dbl>
#> 1     4     3      1.67  -97.2  200.  204.          23    26   0.434

# coefficient plot
td <- tidy(sr, conf.int = TRUE)

library(ggplot2)

ggplot(td, aes(estimate, term)) +
  geom_point() +
  geom_errorbarh(aes(xmin = conf.low, xmax = conf.high), height = 0) +
  geom_vline(xintercept = 0)

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) survreg 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。