当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

R broom tidy.speedglm 整理 a(n) speedglm 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 speedglm
tidy(x, conf.int = FALSE, conf.level = 0.95, exponentiate = FALSE, ...)

参数

x

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

也可以看看

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(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

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) 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。