summary.glm
位于 stats
包(package)。 说明
这些函数都是 methods
类的 glm
或 summary.glm
对象。
用法
## S3 method for class 'glm'
summary(object, dispersion = NULL, correlation = FALSE,
symbolic.cor = FALSE, ...)
## S3 method for class 'summary.glm'
print(x, digits = max(3, getOption("digits") - 3),
symbolic.cor = x$symbolic.cor,
signif.stars = getOption("show.signif.stars"),
show.residuals = FALSE, ...)
参数
object |
类 |
x |
类 |
dispersion |
所用族的色散参数。当从 |
correlation |
逻辑性;如果 |
digits |
打印时使用的有效位数。 |
symbolic.cor |
合乎逻辑的。如果 |
signif.stars |
合乎逻辑的。如果 |
show.residuals |
合乎逻辑的。如果 |
... |
传入或传出其他方法的进一步参数。 |
细节
print.summary.glm
尝试智能地格式化系数、标准错误等,如果 signif.stars
是 TRUE
,则另外给出“重要性星星”。结果的 coefficients
部分给出了估计系数及其估计标准误差及其比率。如果色散是估计的,则第三列标记为t ratio
,如果色散已知(或由系列固定),则标记为z ratio
。第四列给出了 two-tailed p 值,对应于基于学生 t 或正态参考分布的 t 或 z 比率。 (色散可能是未知的,并且没有可用于估计色散的剩余自由度。在这种情况下,估计值为 NaN
。)
返回的对象中省略了别名系数,但由 print
方法恢复。
相关性被打印到小数点后两位(或象征性地):要查看实际的相关性,请直接打印summary(object)$correlation
。
拟合过程中不使用 GLM 的离散度,但需要它来查找标准误差。如果未提供 dispersion
或 NULL
,则将 binomial
和 Poisson
系列的色散视为 1
,否则通过残差卡方统计量(根据非零权重的情况计算)除以估计由剩余自由度。
summary
可以与高斯 glm
拟合一起使用来处理具有已知误差方差的线性回归的情况,而 summary.lm
无法处理这种情况。
值
summary.glm
返回 "summary.glm"
类的对象,一个包含组件的列表
call |
来自 |
family |
来自 |
deviance |
来自 |
contrasts |
来自 |
df.residual |
来自 |
null.deviance |
来自 |
df.null |
来自 |
deviance.resid |
偏差残差:参见 |
coefficients |
系数、标准误差、z-values 和 p 值矩阵。省略别名系数。 |
aliased |
命名逻辑向量显示原始系数是否存在混叠。 |
dispersion |
提供的参数或推断/估计的色散(如果前者是 |
df |
模型等级和剩余自由度数量的 3 向量,加上系数数量(包括别名系数)。 |
cov.unscaled |
估计系数的未缩放 ( |
cov.scaled |
同上,按 |
correlation |
(仅当 |
symbolic.cor |
(仅当 |
例子
## For examples see example(glm)
也可以看看
相关用法
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R summary.lm 总结线性模型拟合
- R summary.princomp 主成分分析的汇总方法
- R summary.aov 方差模型分析总结
- R supsmu 弗里德曼的超级平滑
- R stlmethods STL 对象的方法
- R smooth Tukey 的(运行中值)平滑
- R screeplot 屏幕图
- R sortedXyData 创建一个sortedXyData对象
- R sigma 提取残余标准差“Sigma”
- R setNames 设置对象中的名称
- R stat.anova GLM 方差分析统计
- R scatter.smooth 黄土拟合的平滑曲线散点图
- R splinefun 插值样条曲线
- R spec.taper 通过余弦钟锥化时间序列
- R symnum 符号数字编码
- R se.contrast 模型术语对比的标准误差
- R stepfun Step Functions - 创建和类
- R shapiro.test 夏皮罗-威尔克正态性检验
- R selfStart 构建自启动非线性模型
- R spec.pgram 通过平滑周期图估计时间序列的谱密度
- R spec.ar 通过 AR Fit 估计时间序列的频谱密度
- R smooth.spline 拟合平滑样条曲线
- R stl Loess 时间序列的季节分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Summarizing Generalized Linear Model Fits。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。