當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

R broom augment.survreg 使用來自 survreg 對象的信息增強數據


Augment 接受模型對象和數據集，並添加有關數據集中每個觀察值的信息。最常見的是，這包括 .fitted 列中的預測值、.resid 列中的殘差以及 .se.fit 列中擬合值的標準誤差。新列始終以 . 前綴開頭，以避免覆蓋原始數據集中的列。

用戶可以通過 data 參數或 newdata 參數傳遞數據以進行增強。如果用戶將數據傳遞給 data 參數，則它必須正是用於擬合模型對象的數據。將數據集傳遞給 newdata 以擴充模型擬合期間未使用的數據。這仍然要求至少存在用於擬合模型的所有預測變量列。如果用於擬合模型的原始結果變量未包含在 newdata 中，則輸出中不會包含 .resid 列。

根據是否給出 data 或 newdata，增強的行為通常會有所不同。這是因為通常存在與訓練觀察(例如影響或相關)測量相關的信息，而這些信息對於新觀察沒有有意義的定義。

為了方便起見，許多增強方法提供默認的 data 參數，以便 augment(fit) 將返回增強的訓練數據。在這些情況下，augment 嘗試根據模型對象重建原始數據，並取得了不同程度的成功。

增強數據集始終以 tibble::tibble 形式返回，其行數與傳遞的數據集相同。這意味著傳遞的數據必須可強製轉換為 tibble。如果預測變量將模型作為協變量矩陣的一部分輸入，例如當模型公式使用 splines::ns() 、 stats::poly() 或 survival::Surv() 時，它會表示為矩陣列。

我們正在定義適合各種 na.action 參數的模型的行為，但目前不保證數據丟失時的行為。

用法

# S3 method for survreg
augment(
  x,
  data = model.frame(x),
  newdata = NULL,
  type.predict = "response",
  type.residuals = "response",
  ...
)

參數

x

從 survival::survreg() 返回的 survreg 對象。

data

base::data.frame 或 tibble::tibble() 包含用於生成對象 x 的原始數據。默認為stats::model.frame(x)，以便augment(my_fit) 返回增強的原始數據。不要將新數據傳遞給 data 參數。增強將報告傳遞給 data 參數的數據的影響和烹飪距離等信息。這些度量僅針對原始訓練數據定義。

newdata

base::data.frame() 或 tibble::tibble() 包含用於創建 x 的所有原始預測變量。默認為 NULL ，表示沒有任何內容傳遞給 newdata 。如果指定了newdata，則data 參數將被忽略。

type.predict

指示要使用的預測類型的字符。傳遞給 stats::predict() 泛型的 type 參數。允許的參數因模型類而異，因此請務必閱讀predict.my_class 文檔。

type.residuals

指示要使用的殘差類型的字符。傳遞給 stats::residuals() 泛型的 type 參數。允許的參數因模型類而異，因此請務必閱讀residuals.my_class 文檔。

...

附加參數。不曾用過。僅需要匹配通用簽名。注意：拚寫錯誤的參數將被吸收到 ... 中，並被忽略。如果拚寫錯誤的參數有默認值，則將使用默認值。例如，如果您傳遞 conf.lvel = 0.9 ，所有計算將使用 conf.level = 0.95 進行。這裏有兩個異常：

  • tidy() 方法在提供 exponentiate 參數時會發出警告(如果該參數將被忽略)。

  • augment() 方法在提供 newdata 參數時會發出警告(如果該參數將被忽略)。

值

帶有列的 tibble::tibble()：

.fitted

擬合值或預測值。

.resid

觀察值和擬合值之間的差異。

.se.fit

擬合值的標準誤差。

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)

相關用法


注：本文由純淨天空篩選整理自等大神的英文原創作品 Augment data with information from a(n) survreg object。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。