R broom tidy.clmm 整理 a(n) clmm 对象

Tidy 总结了有关模型组件的信息。模型组件可能是回归中的单个项、单个假设、聚类或类。 tidy 所认为的模型组件的确切含义因模型而异，但通常是不言而喻的。如果模型具有多种不同类型的组件，您将需要指定要返回哪些组件。

用法

# S3 method for clmm
tidy(x, conf.int = FALSE, conf.level = 0.95, exponentiate = FALSE, ...)

参数

x

从 ordinal::clmm() 返回的 clmm 对象。

conf.int

逻辑指示是否在整理的输出中包含置信区间。默认为 FALSE 。

conf.level

用于置信区间的置信水平(如果 conf.int = TRUE )。必须严格大于 0 且小于 1。默认为 0.95，对应于 95% 的置信区间。

exponentiate

逻辑指示是否对系数估计值取幂。这对于逻辑回归和多项回归来说是典型的，但如果没有 log 或 logit 链接，那么这是一个坏主意。默认为 FALSE 。

...

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)。

注意

在 broom 0.7.0 中， coefficient_type 列已重命名为 coef.type ，并且内容也发生了更改。

注意，intercept类型系数对应于alpha参数，location类型系数对应于beta参数，并且scale类型系数对应于zeta参数。

也可以看看

tidy、ordinal::clmm()、ordinal::confint.clm()

其他序号整理器：augment.clm() , augment.polr() , glance.clmm() , glance.clm() , glance.polr() , glance.svyolr() , tidy.clm() , tidy.polr() , tidy.svyolr()

值

带有列的 tibble::tibble()：

conf.high: 估计置信区间的上限。
conf.low: 估计置信区间的下限。
estimate: 回归项的估计值。
p.value: 与观察到的统计量相关的两侧 p 值。
statistic: 在回归项非零的假设中使用的 T-statistic 的值。
std.error: 回归项的标准误差。
term: 回归项的名称。

例子


# load libraries for models and data
library(ordinal)

# fit model
fit <- clmm(rating ~ temp + contact + (1 | judge), data = wine)

# summarize model fit with tidiers
tidy(fit)
#> # A tibble: 6 × 6
#>   term       estimate std.error statistic  p.value coef.type
#>   <chr>         <dbl>     <dbl>     <dbl>    <dbl> <chr>    
#> 1 1|2           -1.62     0.682     -2.38 1.74e- 2 intercept
#> 2 2|3            1.51     0.604      2.51 1.22e- 2 intercept
#> 3 3|4            4.23     0.809      5.23 1.72e- 7 intercept
#> 4 4|5            6.09     0.972      6.26 3.82e-10 intercept
#> 5 tempwarm       3.06     0.595      5.14 2.68e- 7 location 
#> 6 contactyes     1.83     0.513      3.58 3.44e- 4 location 
tidy(fit, conf.int = TRUE, conf.level = 0.9)
#> # A tibble: 6 × 8
#>   term  estimate std.error statistic  p.value conf.low conf.high coef.type
#>   <chr>    <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl> <chr>    
#> 1 1|2      -1.62     0.682     -2.38 1.74e- 2   -2.75     -0.501 intercept
#> 2 2|3       1.51     0.604      2.51 1.22e- 2    0.520     2.51  intercept
#> 3 3|4       4.23     0.809      5.23 1.72e- 7    2.90      5.56  intercept
#> 4 4|5       6.09     0.972      6.26 3.82e-10    4.49      7.69  intercept
#> 5 temp…     3.06     0.595      5.14 2.68e- 7    2.08      4.04  location 
#> 6 cont…     1.83     0.513      3.58 3.44e- 4    0.992     2.68  location 
tidy(fit, conf.int = TRUE, exponentiate = TRUE)
#> # A tibble: 6 × 8
#>   term  estimate std.error statistic  p.value conf.low conf.high coef.type
#>   <chr>    <dbl>     <dbl>     <dbl>    <dbl>    <dbl>     <dbl> <chr>    
#> 1 1|2      0.197     0.682     -2.38 1.74e- 2   0.0518     0.751 intercept
#> 2 2|3      4.54      0.604      2.51 1.22e- 2   1.39      14.8   intercept
#> 3 3|4     68.6       0.809      5.23 1.72e- 7  14.1      335.    intercept
#> 4 4|5    441.        0.972      6.26 3.82e-10  65.5     2965.    intercept
#> 5 temp…   21.4       0.595      5.14 2.68e- 7   6.66      68.7   location 
#> 6 cont…    6.26      0.513      3.58 3.44e- 4   2.29      17.1   location 

glance(fit)
#> # A tibble: 1 × 5
#>     edf   AIC   BIC logLik     nobs
#>   <dbl> <dbl> <dbl> <logLik>  <dbl>
#> 1     7  177.  193. -81.56541    72

# ...and again with another model specification
fit2 <- clmm(rating ~ temp + (1 | judge), nominal = ~contact, data = wine)
#> Warning: unrecognized control elements named ‘nominal’ ignored

tidy(fit2)
#> # A tibble: 5 × 6
#>   term     estimate std.error statistic       p.value coef.type
#>   <chr>       <dbl>     <dbl>     <dbl>         <dbl> <chr>    
#> 1 1|2        -2.20      0.613     -3.59 0.000333      intercept
#> 2 2|3         0.545     0.476      1.15 0.252         intercept
#> 3 3|4         2.84      0.607      4.68 0.00000291    intercept
#> 4 4|5         4.48      0.751      5.96 0.00000000256 intercept
#> 5 tempwarm    2.67      0.554      4.81 0.00000147    location 
glance(fit2)
#> # A tibble: 1 × 5
#>     edf   AIC   BIC logLik     nobs
#>   <dbl> <dbl> <dbl> <logLik>  <dbl>
#> 1     6  189.  203. -88.73882    72

源代码：R/ordinal-clmm-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 Tidy a(n) clmm 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。