R broom tidy.betamfx 整理 a(n) betamfx 對象

Tidy 總結了有關模型組件的信息。模型組件可能是回歸中的單個項、單個假設、聚類或類。 tidy 所認為的模型組件的確切含義因模型而異，但通常是不言而喻的。如果模型具有多種不同類型的組件，您將需要指定要返回哪些組件。

用法

# S3 method for betamfx
tidy(x, conf.int = FALSE, conf.level = 0.95, ...)

參數

x

betamfx 對象。

conf.int

邏輯指示是否在整理的輸出中包含置信區間。默認為 FALSE 。

conf.level

用於置信區間的置信水平(如果 conf.int = TRUE )。必須嚴格大於 0 且小於 1。默認為 0.95，對應於 95% 的置信區間。

...

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)。

細節

mfx 包提供了計算各種廣義線性模型 (GLM) 邊際效應的方法。與標準線性模型不同，GLM 中的估計模型係數不能直接解釋為邊際效應(即回歸變量之一發生一單位變化後預測的響應變量的變化)。這是因為估計係數是乘法的，取決於用於估計的鏈接函數和模型中包含的任何其他變量。在計算邊際效應時，用戶通常必須選擇是否要使用 i) 數據中的平均觀察值，或 ii) 樣本邊際效應的平均值。有關更多詳細信息，請參閱mfx 包中的vignette("mfxarticle")。

也可以看看

tidy.betareg() , mfx::betamfx()

其他 mfx 整理器：augment.betamfx()、augment.mfx()、glance.betamfx()、glance.mfx()、tidy.mfx()

值

帶有列的 tibble::tibble()：

conf.high: 估計置信區間的上限。
conf.low: 估計置信區間的下限。
estimate: 回歸項的估計值。
p.value: 與觀察到的統計量相關的兩側 p 值。
statistic: 在回歸項非零的假設中使用的 T-statistic 的值。
std.error: 回歸項的標準誤差。
term: 回歸項的名稱。
atmean: 如果邊際效應最初計算為平均觀測值的部分效應，則為 TRUE。如果為 FALSE，則將這些計算為平均部分效應。

例子


library(mfx)

# Simulate some data
set.seed(12345)
n <- 1000
x <- rnorm(n)

# Beta outcome
y <- rbeta(n, shape1 = plogis(1 + 0.5 * x), shape2 = (abs(0.2 * x)))
# Use Smithson and Verkuilen correction
y <- (y * (n - 1) + 0.5) / n

d <- data.frame(y, x)
mod_betamfx <- betamfx(y ~ x | x, data = d)

tidy(mod_betamfx, conf.int = TRUE)
#> # A tibble: 1 × 8
#>   term  atmean estimate std.error statistic p.value conf.low conf.high
#>   <chr> <lgl>     <dbl>     <dbl>     <dbl>   <dbl>    <dbl>     <dbl>
#> 1 x     TRUE     0.0226   0.00801      2.82 0.00483  0.00686    0.0383

# Compare with the naive model coefficients of the equivalent betareg call (not run)
# tidy(betamfx(y ~ x | x, data = d), conf.int = TRUE)

augment(mod_betamfx)
#> # A tibble: 1,000 × 5
#>        y      x .fitted .resid   .cooksd
#>    <dbl>  <dbl>   <dbl>  <dbl>     <dbl>
#>  1 0.951  0.586   0.809 -0.230 0.000189 
#>  2 0.714  0.709   0.811 -0.663 0.0000993
#>  3 0.999 -0.109   0.793  0.747 0.000273 
#>  4 0.998 -0.453   0.785  0.530 0.000334 
#>  5 0.999  0.606   0.809  0.724 0.000342 
#>  6 0.562 -1.82    0.751 -0.648 0.000878 
#>  7 0.999  0.630   0.810  0.679 0.000348 
#>  8 0.999 -0.276   0.789  0.685 0.000294 
#>  9 0.744 -0.284   0.789 -0.577 0.0000134
#> 10 0.999 -0.919   0.774  0.709 0.000551 
#> # ℹ 990 more rows
glance(mod_betamfx)
#> # A tibble: 1 × 7
#>   pseudo.r.squared df.null logLik    AIC    BIC df.residual  nobs
#>              <dbl>   <dbl>  <dbl>  <dbl>  <dbl>       <int> <int>
#> 1          0.00726     998  1897. -3787. -3767.         996  1000

源代碼：R/mfx-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 Tidy a(n) betamfx 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。