R broom glance.speedglm 看一眼 speedglm 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 speedglm
glance(x, ...)

參數

x

從 speedglm::speedglm() 返回的 speedglm 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

speedglm::speedlm()

其他 speedlm 整理器：augment.speedlm()、glance.speedlm()、tidy.speedglm()、tidy.speedlm()

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.null: 零模型使用的自由度。
df.residual: 剩餘自由度。
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。
null.deviance: 零模型的偏差。

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

源代碼：R/speedglm-speedglm-tidiers.R

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) speedglm 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。