當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

R broom glance.clmm 掃視一個 (n) clmm 對象


Glance 接受模型對象並返回 tibble::tibble()，其中僅包含一行模型摘要。摘要通常是擬合優度度量、殘差假設檢驗的 p 值或模型收斂信息。

Glance 永遠不會返返回自對建模函數的原始調用的信息。這包括建模函數的名稱或傳遞給建模函數的任何參數。

Glance 不計算匯總度量。相反，它將這些計算外包給適當的方法並將結果收集在一起。有時擬合優度測量是不確定的。在這些情況下，該度量將報告為 NA 。

無論模型矩陣是否秩虧，Glance 都會返回相同的列數。如果是這樣，則不再具有明確定義值的列中的條目將使用適當類型的 NA 進行填充。

用法

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

參數

x

從 ordinal::clmm() 返回的 clmm 對象。

...

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)。

也可以看看

值

恰好隻有一行和一列的 tibble::tibble()：

AIC

模型的 Akaike 信息準則。

BIC

模型的貝葉斯信息準則。

edf

有效自由度。

logLik

模型的對數似然。 [stats::logLik()] 可能是一個有用的參考。

nobs

使用的觀察數。

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

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 Glance at a(n) clmm 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。