R broom glance.speedglm 看一眼 speedglm 对象

Glance 接受模型对象并返回 tibble::tibble()，其中仅包含一行模型摘要。摘要通常是拟合优度度量、残差假设检验的 p 值或模型收敛信息。

Glance 永远不会返返回自对建模函数的原始调用的信息。这包括建模函数的名称或传递给建模函数的任何参数。

Glance 不计算汇总度量。相反，它将这些计算外包给适当的方法并将结果收集在一起。有时拟合优度测量是不确定的。在这些情况下，该度量将报告为 NA 。

无论模型矩阵是否秩亏，Glance 都会返回相同的列数。如果是这样，则不再具有明确定义值的列中的条目将使用适当类型的 NA 进行填充。

用法

# S3 method for speedglm
glance(x, ...)

参数

x

从 speedglm::speedglm() 返回的 speedglm 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)。

也可以看看

speedglm::speedlm()

其他 speedlm 整理器：augment.speedlm()、glance.speedlm()、tidy.speedglm()、tidy.speedlm()

值

恰好只有一行和一列的 tibble::tibble()：

AIC: 模型的 Akaike 信息准则。
BIC: 模型的贝叶斯信息准则。
deviance: 模型的偏差。
df.null: 零模型使用的自由度。
df.residual: 剩余自由度。
logLik: 模型的对数似然。 [stats::logLik()] 可能是一个有用的参考。
nobs: 使用的观察数。
null.deviance: 零模型的偏差。

例子


# load libraries for models and data
library(speedglm)

# generate data
clotting <- data.frame(
  u = c(5, 10, 15, 20, 30, 40, 60, 80, 100),
  lot1 = c(118, 58, 42, 35, 27, 25, 21, 19, 18)
)

# fit model
fit <- speedglm(lot1 ~ log(u), data = clotting, family = Gamma(log))

# summarize model fit with tidiers
tidy(fit)
#> # A tibble: 2 × 5
#>   term        estimate std.error statistic      p.value
#>   <chr>          <dbl>     <dbl>     <dbl>        <dbl>
#> 1 (Intercept)    5.50     0.190       28.9 0.0000000152
#> 2 log(u)        -0.602    0.0553     -10.9 0.0000122   
glance(fit)
#> # A tibble: 1 × 8
#>   null.deviance df.null logLik   AIC   BIC deviance df.residual  nobs
#>           <dbl>   <int>  <dbl> <dbl> <dbl>    <dbl>       <int> <int>
#> 1          3.51       8  -26.2  58.5  59.1    0.163           7     9

源代码：R/speedglm-speedglm-tidiers.R

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 Glance at a(n) speedglm 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。