當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

R broom glance.polr 瀏覽 a(n) polr 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 polr
glance(x, ...)

參數

x

從 MASS::polr() 返回的 polr 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。

deviance

模型的偏差。

df.residual

剩餘自由度。

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(MASS)

# fit model
fit <- polr(Sat ~ Infl + Type + Cont, weights = Freq, data = housing)

# summarize model fit with tidiers
tidy(fit, exponentiate = TRUE, conf.int = TRUE)
#> 
#> Re-fitting to get Hessian
#> # A tibble: 8 × 7
#>   term          estimate std.error statistic conf.low conf.high coef.type 
#>   <chr>            <dbl>     <dbl>     <dbl>    <dbl>     <dbl> <chr>     
#> 1 InflMedium       1.76     0.105       5.41    1.44      2.16  coefficie…
#> 2 InflHigh         3.63     0.127      10.1     2.83      4.66  coefficie…
#> 3 TypeApartment    0.564    0.119      -4.80    0.446     0.712 coefficie…
#> 4 TypeAtrium       0.693    0.155      -2.36    0.511     0.940 coefficie…
#> 5 TypeTerrace      0.336    0.151      -7.20    0.249     0.451 coefficie…
#> 6 ContHigh         1.43     0.0955      3.77    1.19      1.73  coefficie…
#> 7 Low|Medium       0.609    0.125      -3.97   NA        NA     scale     
#> 8 Medium|High      2.00     0.125       5.50   NA        NA     scale     

glance(fit)
#> # A tibble: 1 × 7
#>     edf logLik   AIC   BIC deviance df.residual  nobs
#>   <int>  <dbl> <dbl> <dbl>    <dbl>       <int> <int>
#> 1     8 -1740. 3495. 3539.    3479.        1673  1681
augment(fit, type.predict = "class")
#> # A tibble: 72 × 6
#>    Sat    Infl   Type      Cont  `(weights)` .fitted
#>    <ord>  <fct>  <fct>     <fct>       <int> <fct>  
#>  1 Low    Low    Tower     Low            21 Low    
#>  2 Medium Low    Tower     Low            21 Low    
#>  3 High   Low    Tower     Low            28 Low    
#>  4 Low    Medium Tower     Low            34 High   
#>  5 Medium Medium Tower     Low            22 High   
#>  6 High   Medium Tower     Low            36 High   
#>  7 Low    High   Tower     Low            10 High   
#>  8 Medium High   Tower     Low            11 High   
#>  9 High   High   Tower     Low            36 High   
#> 10 Low    Low    Apartment Low            61 Low    
#> # ℹ 62 more rows

fit2 <- polr(factor(gear) ~ am + mpg + qsec, data = mtcars)

tidy(fit, p.values = TRUE)
#> 
#> Re-fitting to get Hessian
#> p-values can presently only be returned for models that contain
#>               no categorical variables with more than two levels
#> # A tibble: 8 × 6
#>   term          estimate std.error statistic p.value coef.type  
#>   <chr>            <dbl>     <dbl>     <dbl> <lgl>   <chr>      
#> 1 InflMedium       0.566    0.105       5.41 NA      coefficient
#> 2 InflHigh         1.29     0.127      10.1  NA      coefficient
#> 3 TypeApartment   -0.572    0.119      -4.80 NA      coefficient
#> 4 TypeAtrium      -0.366    0.155      -2.36 NA      coefficient
#> 5 TypeTerrace     -1.09     0.151      -7.20 NA      coefficient
#> 6 ContHigh         0.360    0.0955      3.77 NA      coefficient
#> 7 Low|Medium      -0.496    0.125      -3.97 NA      scale      
#> 8 Medium|High      0.691    0.125       5.50 NA      scale

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) polr 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。